Python NotImplementedError:Layer attention在`\uuuu init\uuuuuu`中有参数,因此必须重写`get\u config'`

Python NotImplementedError:Layer attention在`\uuuu init\uuuuuu`中有参数,因此必须重写`get\u config'`,python,tensorflow,save,keras-layer,Python,Tensorflow,Save,Keras Layer,我已经按照此链接中的建议实现了一个自定义注意层: 代码运行了,但是当模型需要保存时,我得到了这个错误 NotImplementedError:Layer attention在uuu init_uuuuuu中有参数,因此必须重写get_config 一些评论建议覆盖get_配置 此错误使您知道tensorflow无法保存您的模型,因为它将无法加载该模型。 具体来说,它将无法重新实例化自定义图层类 要解决这个问题,只需根据您添加的新参数重写其get_config方法 链接至评论: 我的问题是,基于

我已经按照此链接中的建议实现了一个自定义注意层:

代码运行了,但是当模型需要保存时,我得到了这个错误

NotImplementedError:Layer attention在uuu init_uuuuuu中有参数,因此必须重写get_config

一些评论建议覆盖get_配置

此错误使您知道tensorflow无法保存您的模型,因为它将无法加载该模型。 具体来说,它将无法重新实例化自定义图层类

要解决这个问题,只需根据您添加的新参数重写其get_config方法

链接至评论:


我的问题是,基于上面的自定义注意层,如何编写get_config来解决此错误?

您需要这样的配置方法:

def get_configself: config=super.get\u config.copy config.update{ “返回\u序列”:self.return\u序列 } 返回配置
所有需要的信息都在您链接的另一个页面中。

这是否回答了您的问题?
class attention(Layer):    

      def __init__(self, return_sequences=True):
         self.return_sequences = return_sequences
         super(attention,self).__init__()
        
      def build(self, input_shape):
        
        self.W=self.add_weight(name="att_weight", shape=(input_shape[-1],1),
                               initializer="normal")
        self.b=self.add_weight(name="att_bias", shape=(input_shape[1],1),
                               initializer="zeros")
        
        super(attention,self).build(input_shape)
        
    def call(self, x):
        
        e = K.tanh(K.dot(x,self.W)+self.b)
        a = K.softmax(e, axis=1)
        output = x*a
        
        if self.return_sequences:
            return output
        
        return K.sum(output, axis=1)