Python AttributeError:Layer tf_bert_模型没有入站节点

我有一个深度学习模型，它使用Huggingface库中的BERT层（

TF=2.0

，

Transformers=2.8.0

）

该模型包括：BERT嵌入->注意->Softmax。此外，我还使用

tf.keras.callbacks.ModelCheckpoint

在培训期间保存最佳模型

我试着将模型切片以获得注意权重

我的问题是，如果在加载保存的模型后，使用

output1=model.layers[3]。output

，尝试访问任何层的输出，则会出现以下错误：

AttributeError:Layer tf_bert_模型没有入站节点

但是，如果我在原始模型上执行相同的操作而不保存它（在完成model.fit（）之后立即），我就没有问题了

以下是加载已保存模型的方式：

model = tf.keras.models.load_model(model_dir)

---

这种方法有问题吗？假设它可以用于预测。

回答这个问题是为了社区的利益，因为用户已经找到了解决方案

通过以下步骤解决了该问题

加载保存的模型

创建具有相同结构的另一个新模型

将权重从保存的模型复制到新创建的模型

然后毫无问题地访问所需的层

---

在这里回答是为了社区的利益，因为用户已经找到了解决方案

通过以下步骤解决了该问题

加载保存的模型

创建具有相同结构的另一个新模型

将权重从保存的模型复制到新创建的模型

然后毫无问题地访问所需的层

---

你的问题解决了吗？否则，请您共享完整的代码或Colab文件以复制问题。谢谢@TFer2，是的，我通过1）加载保存的模型，2）创建另一个具有相同结构的新模型，3）将权重从保存的模型复制到新创建的模型，4）然后访问所需的层而解决了问题。您的问题解决了吗？否则，请您共享完整的代码或Colab文件以复制问题。谢谢@TFer2，是的，我通过1）加载保存的模型，2）创建另一个具有相同结构的新模型，3）将权重从保存的模型复制到新创建的模型，4）然后毫无问题地访问所需的层来解决此问题。