tensorflow2.0中自定义模型的保存与加载问题

在用cnn做文本分类时我是自定义的模型类，并没有用到Sequential，因此在保存模型和加载模型时会遇到各种各样的报错，经过尝试，找到以下方法可以解决。

1、首先，看一下自定义的模型类：

class TextCnn(tf.keras.Model):
    def __init__(self, maxlen, max_features,class_num,embedding_dims,embeddings_matrix,kernel_sizes=[1,2,3,4,5],
                 last_activation='sigmoid'):  # 没有赋值的写在前面
        super(TextCnn, self).__init__()
        self.maxlen = maxlen
        self.max_features = max_features
        self.embedding_dims = embedding_dims
        self.kernel_sizes = kernel_sizes
        self.class_num = class_num
        self.last_activation = last_activation
        self.embeddings_matrix = embeddings_matrix
        self.embedding = keras.layers.Embedding(self.max_features, self.embedding_dims,weights=[embeddings_matrix],input_length=self.maxlen)  # 重点：weights预训练的词向量
        self.convs = []
        self.max_poolings = []
        for kernel_size in self.kernel_sizes:
            self.convs.append(keras.layers.Conv1D(128, kernel_size))
            self.max_poolings.append(keras.layers.GlobalMaxPooling1D())
        self.classifier = keras.layers.Dense(self.class_num,activation=self.last_activation)
        self.dropout=keras.layers.Dropout(0.15) #百分之20的神经元不工作
        self.norma=keras.layers.LayerNormalization()
        self.act=keras.layers.Activation('relu')
        self.softmax=keras.layers.Softmax()

 
    def call(self, inputs):
        if inputs.get_shape()[1] != self.maxlen:
            raise ValueError(
                'The maxlen of inputs of TextCNN must be %d, but now is %d' % (self.maxlen, inputs.get_shape()[1]))
        embedding = self.embedding(inputs)
        convs = []
        for i in range(len(self.kernel_sizes)):
            c = self.convs[i](embedding)
            c=self.norma(c)
            c=self.act(c)
            c = self.max_poolings[i](c)
            convs.append(c)
        x = keras.layers.Concatenate()(convs)
        x_1=self.dropout(x)
        output = self.classifier(x_1)
        score=self.softmax(output)             #将全链接层的输出，进行softmax运算，得到每个类的概率
        return score

2、接着是模型的训练

model = TextCnn(length_max, max_features,class_num,embedding_dims,word_matrix)
optimizer = tf.keras.optimizers.Adam(1e-3)
model.compile(optimizer=optimizer,
                  loss='sparse_categorical_crossentropy',
                  metrics=['accuracy'])
model.fit(x_input, y_train, epochs=20, batch_size=38, validation_split=0.2, verbose=2)

3、保存模型

训练完成后，要保存模型，一开始我用的是model.save(model_path)，却报错说这种方式只能保存Sequential模型，保存为.h5格式；最后，我用的是tf.saved_model.save(model, model_path)，保存为pb格式的模型。

4、加载模型

相应的，加载模型用：new_model =tf.saved_model.load(model_path)。

之后，模型预测的时候：

infer = new_model.signatures['serving_default']    #signatures['serving_default']默认是call方法
c=infer(x_input)
print(infer.structured_outputs)
c=c['output'].numpy()

这里注意x_input是tensor张量