Python 如何保存包装在sklearn中的keras神经网络？

如何保存sklearn模型中的神经网络？。我曾尝试将其保存为类似于keras中的h5文件，但得到了以下错误“Pipeline对象没有属性保存”。还尝试保存在类似sklearn的pickle文件中，但获取以下错误无法pickle“\u thread.RLock”对象

#Relevant Code
def create_model():
    model = Sequential()
    model.add(Dense(40, input_shape=input_shape,activation="relu"))
    model.add(BatchNormalization())
    model.add(Dense(40,activation="relu"))
    model.add(BatchNormalization())
    model.add(Dense(40,activation="relu")) 
    model.add(Dense(1))
    model.compile(loss='mean_squared_error',optimizer='Adam')
    return model

Estimator = KerasRegressor(build_fn=create_model,epochs=60,callbacks=[Early_stopping],validation_data=(X_test,y_test))

model = make_pipeline(StandardScaler(), Estimator)
input_shape=X1.shape[1:]
model.fit(X_train,y_train)

with open('Neural_network.pickle','wb') as file:
    pickle.dump(model,file)

---

基于

变量（模型）

的输出：

{'steps'：[（'standardscaler'，standardscaler（）），（'kerasregressor'，）]，'memory'：无，'verbose'：假}

您可以使用从管道访问

KerasRegressor

对象

kreg = model.steps['kerasregressor']

基于经过训练的Keras模型，回归器上的

模型
属性应为：

model = kreg.model

（我建议将管道对象重命名为
pipeline
，以避免混淆。）
基于
vars（model）
的输出：

{'steps'：[（'standardscaler'，standardscaler（）），（'kerasregressor'，）]，'memory'：无，'verbose'：假}

您可以使用从管道访问
KerasRegressor
对象

kreg = model.steps['kerasregressor']

基于经过训练的Keras模型，回归器上的
模型
属性应为：

model = kreg.model

（我建议将管道对象重命名为
pipeline
，以避免混淆。）
您查看过管道内部吗<代码>打印（vars（model））
？是的，它只打印管道中使用的步骤以及对象所在的位置。{'steps'：[（'standardscaler'，standardscaler（）），（'kerasreservator'，）]，'memory'：None，'verbose'：False}这正好解决了您的问题。您是否窥视了管道内部<代码>打印（vars（model））
？是的，它只打印管道中使用的步骤以及对象所在的位置。{'steps'：[（'standardscaler'，standardscaler（），（'kerasregressor'，）]，'memory'：None，'verbose'：False}这正好解决了您的问题。