Python TensorFlow 2.x:无法以h5格式保存经过培训的模型（操作错误：无法创建链接（名称已存在））

我的模型使用预处理的数据来预测客户是私人客户还是非私人客户。预处理步骤是使用诸如feature_column.bucketized_column（…）、feature_column.Embedded_column（…）等步骤。 培训后，我试图保存模型，但出现以下错误：

文件“h5py_objects.pyx”，第54行，在h5py.\u objects.with_phil.wrapper中
文件“h5py_objects.pyx”，第55行，在h5py.\u objects.with_phil.wrapper中
文件“h5py\h5o.pyx”，第202行，在h5py.h5o.link中
OSError:无法创建链接（名称已存在）

我尝试了以下方法来解决我的问题：

• 我试图排除这里提到的优化器：
• 我尝试了TensorFlow的不同版本，比如2.2和2.3
• 我尝试重新安装h5py，如下所述：

一切都没有成功

以下是模型的相关代码：

（功能列、列、值、测试）=预处理.getPrepreprocessedDataset（args.data、args.zip、args.batchSize）
特征层=tf.keras.layers.DenseFeatures（特征列，可训练=假）
模型=tf.keras.models.Sequential([
特征层，
致密（1，活化=tf.nn.sigmoid）
])
model.compile（优化器='sgd'，
损失='binary\u交叉熵'，
指标=[‘准确度’]）
paramString=“Arg-e{}-b{}-z{}”。格式（args.epoch、args.batchSize、bucketSizeGEO）
...
模型安装（列车），
验证数据=val\U ds，
epochs=args.epoch，
回调=[tensorboard_回调]）
model.summary（）
损失，精度=模型评估（测试）
打印（“准确度”，准确度）
paramString=paramString+“-a{.4f}”。格式（精度）
outputName=“logReg”+datetime.datetime.now（）.strftime（“%Y%m%d-%H%m%S”）+paramStrin
如果args.saveModel：
filepath=“./saved_models/”+outputName+“.h5”
model.save（文件路径，save_format='h5'）

预处理模块中调用的函数：

def GetPrepreprocessedDataset（文件路径、zippath、批大小、bucketSizeGEO）：
打印（“开始预处理…”）
路径=文件路径
数据=pd.read\u csv（路径，数据类型={
“名称1”：名词短语，
“名称2”：名词短语，
“EMAIL1”：np.str，
“ZIP”：np.str_u2;，
“街道”：np.str，
“经度”：np.floating，
“纬度”：np.floating，
“接收方类型”：np.int64}）
功能_列=[]
data=data.fillna（“NaN”）
数据=\预处理名称（数据）
数据=_u（数据）
列车，试验=列车试验分割（数据，试验尺寸=0.2，随机状态=0）
列车，val=列车试验分离（列车，试验尺寸=0.2，随机状态=0）
列车ds=uuuu df_u至_u数据集（列车、批次大小=批次大小）
val\U ds=\uuuu df\u to\u数据集（val，shuffle=False，batch\u size=batch\u size）
test\u ds=\uuuuu df\u to\u数据集（test，shuffle=False，batch\u size=batch\u size）
__BuildFeatureColumns（feature_列、数据、zippath、bucketSizeGEO、True）
打印（“预处理完成”）
返回（特征列、列、值、测试）

调用功能的不同预处理函数：

def\u构建特性列（特性列、数据、zippath、bucketSizeGEO、addCrossedFeatures）：
feature_columns.append（u getFutureColumnLon（bucketSizeGEO））
feature_columns.append（u getFutureColumnLat（bucketSizeGEO））
（namew1\u one\u hot，namew2\u one\u hot）=\uuuu获取未来列名称（\uu获取numberofwords（数据，'NAME1PRO'））
功能列。附加（名称W1\U one\U hot）
feature_columns.append（namew2_one_hot）
feature_columns.append（uuu getFutureColumnStreet（uu getNumberOfWords（数据，'STREETPRO'））
feature_columns.append（uu getFutureColumnZIP（2223，zippath））
如果添加交叉功能：
feature_columns.append（uu getFutureColumnCrossedNames（100））
feature_columns.append（uu getFutureColumnCrossedZIPStreet（1002223，zippath））

与嵌入相关的功能：

def\uuu getFutureColumnsName（名称\uNum\uWords）：
词汇表=np.arange（0，name\u num\u words+1，1）.tolist（）
名称1\u voc=tf.feature\u column.categorical\u column\u带词汇表(
key='NAME1W1'，词汇表=词汇表，dtype=tf.dtypes.int64）
namew2\u voc=tf.feature\u column.categorical\u column\u带有词汇表(
key='NAME1W2'，词汇表=词汇表，dtype=tf.dtypes.int64）
dim=\uuuuGetNumberOfDimensions（名称\uNum\uWords）
namew1_嵌入=特征_列。嵌入_列（namew1_voc，维度=尺寸）
namew2\u嵌入=特征列。嵌入列（namew2\u voc，维度=dim）
返回（namew1_嵌入，namew2_嵌入）

def\uu getFutureColumnStreet（street\u num\u单词）：
词汇表=np.arange（0，street\u num\u单词+1，1）.tolist（）
街道voc=tf.feature\u column.categorical\u column\u与词汇表(
key='STREETW'，词汇表=词汇表，dtype=tf.dtypes.int64）
dim=\uuuu getNumberOfDimensions（street\uNum\uWords）
街道嵌入=要素列。嵌入列（街道voc，尺寸=尺寸）
返回街

def\uuu getFutureColumnZIP（zip\uNum\uWords，zippath）：
zip\u voc=功能列。分类列，带词汇表文件(
key='ZIP'，词汇表文件=zippath，词汇表大小=ZIP\u num\u单词，
默认值（0）
dim=\uuuu getNumberOfDimensions（zip\uNum\uWords）
zip\U嵌入=特征列。嵌入列（zip\U voc，维度=dim）
返回压缩包嵌入

以h5格式保存模型时出现的错误

o错误：无法创建链接（名称已存在）

是由一些重复的变量名称引起的。在enumerate（model.weights）中通过

检查i，w：print（i，w.name）

显示它们是嵌入的权重名称

通常，在构建

feature\u列

时，传递到每个feature列中的distinct

键

将用于构建distinct变量

名称
for i in range(len(model.weights)):
    model.weights[i]._handle_name = model.weights[i].name + "_" + str(i)