Не удается сохранить модель Keras при использовании в ней модели limit_mean?

Question

Фрагмент кода Keras гласит:

second_input = inputs_d['second_input']
selected = embedding_layer(second_input)
item_average = tf.reduce_mean(selected, axis=1, keepdims=True)
second_input_encoded = tf.keras.layers.Reshape((3,))(item_average)

Если я изменю second_input с shape (5,) на shape (1,) и избавлюсь от reduce_mean, код будет работать нормально.

Сообщение об ошибке гласит:

/ site-packages / tenorflow / python / util / serialization.py ", строка 69, в get_json_type поднять TypeError ('Not JSON Serializable:', obj) TypeError: ('Not JSON Serializable:', б "\ п \ x04Mean \ x12 \ x04Mean \ x1a'embedding_1 / embedding_lookup / Identity_2 \ x1a \ x16Mean / reduction_indices * \ X07 \ п \ x01T \ x12 \ X020 \ x01 * \ п \ п \ x04Tidx \ x12 \ X020 \ x03 * \ X0F \ п \ tkeep_dims \ x12 \ x02 (\ x01" )

Answer 1

Вам необходимо использовать слой Lambda для выполнения пользовательских операций:

item_average = tf.keras.layers.Lambda(lambda x: tf.reduce_mean(x, axis=1, keepdims=True))(selected)

Выходные данные слоев Keras представляют собой TF-тензоры, но дополнены некоторыми дополнительными специфичными для Keras атрибутами, которые необходимы для построениямодель.Когда вы напрямую используете tf.reduce_mean, его вывод будет Тензор без этих дополнительных атрибутов.Однако, когда вы делаете ту же операцию внутри слоя Lambda, эти дополнительные атрибуты будут добавлены, и, следовательно, все будет работать правильно.