类型错误：can'；t pickle NotImplementedType对象（在keras、python中）

我在用Keras做深度跑步。 但是，在学习后存储模型的过程中发生了以下错误

TypeError:无法pickle NotImplementedType对象

当我在另一个目录中运行相同的代码时，我没有问题

下面的代码是导致错误的代码部分

.... 

model.add(Dense(2, activation='relu'))

model.add(Dense(1, activation='sigmoid'))

model = multi_gpu_model(model, gpus=4)

model.compile(loss='binary_crossentropy', optimizer = 'adam', metrics = ['accuracy'])

model.fit(x_train,y_train,epochs = 3, batch_size =500)


scores = model.evaluate(x_test,y_test)

#print("%s:.2f%%"%(model.metrics_names[1], scores[1]*100))

model.save('/disk3/seaice/seaice_keras_model2.h5')

keras内的储存方法中是否出现酸洗类型错误

它也是相同的环境，但我不知道为什么它在不同的目录中工作方式不同

---

如果您能为我提供此问题的解决方案，我将不胜感激。

在保存多gpu模型时，Keras文档建议您调用基本模型的

save（fname）

或

save_weights（fname）

方法，而不是

多gpu模型的
方法（请参阅本页最底部）

我会将您的
多gpu\U模型
分配给一个新变量，而不是重新分配
模型
。这样你就可以很容易地参考你的基本模型，你可以用它来节省重量。
我在解决这个问题时发现了一些有趣的东西。当我第一次使用这个模型时，我使用了25亿个数据集。发生错误时，使用了9000万个数据集。因此，我充分降低了模型的层，它再次运行良好。如果模型对于数据量来说太深，是否会出现此问题？或者这是偶然解决的问题？