含有Lambda自定义层keras模型，保存遇到的问题及解决方案

最新推荐文章于 2023-09-22 17:15:19 发布

AI剑客

最新推荐文章于 2023-09-22 17:15:19 发布

阅读量1.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： AI keras tensorflow

本文链接：https://blog.youkuaiyun.com/qq_43258953/article/details/104450117

当Keras内置层无法满足需求时，使用Lambda自定义层能实现更多功能。然而，这导致模型只能保存权重，不能直接用model.save保存整个模型，因为会出现TypeError关于RLock对象的序列化问题。为了解决这个问题，可以将模型转换为TensorFlow的PB格式进行部署，以确保后续部署的便捷性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一，许多应用，keras含有的层已经不能满足要求，需要透过Lambda自定义层来实现一些layer，这个情况下，只能保存模型的权重，无法使用model.save来保存模型。保存时会报
TypeError: can’t pickle _thread.RLock objects
在这里插入图片描述
二，解决方案，为了便于后续的部署，可以转成tensorflow的PB进行部署。

from keras.models import load_model
import tensorflow as tf
import os, sys
from keras import backend as K
from tensorflow.python.framework import graph_util, graph_io

def h5_to_pb(h5_weight_path, output_dir, out_prefix="output_", log_tensorboard=True):
    if not os.path.exists(output_dir):
        os.mkdir