Python Tensorflow/Keras教程保存/加载模型不工作

根据使用Tensorflow 1.11.0的教程，我无法保存简单的keras序列模型。我能够将模型配置转换为json字符串，并且能够保存权重，但不能保存整个模型

错误来自

模型中的第一行代码。save

检查

self.\u is\u graph\u network

是否

True

。我觉得我遗漏了一些基本的东西，但我无法理解。我相信我的代码类似于这里的教程代码：保存整个模型部分

Python 3.6.6 (default, Jun 28 2018, 05:43:53)
[GCC 4.2.1 Compatible Apple LLVM 9.1.0 (clang-902.0.39.2)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> import tensorflow.keras as tk
>>> mnist = tk.datasets.mnist
>>> (xtrain, ytrain), (xtest, ytest) = mnist.load_data()
>>> xtrain, xtest = xtrain/255.0, xtest/255.0
>>> model = tk.models.Sequential([tk.layers.Flatten(), tk.layers.Dense(64, activation=tf.nn.relu), \
tk.layers.Dense(10, activation=tf.nn.softmax)])
>>> model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
>>> model.fit(xtrain, ytrain, epochs=5)
Epoch 1/5
60000/60000 [==============================] - 2s 39us/step - loss: 0.3086 - acc: 0.9126
...
Epoch 5/5
60000/60000 [==============================] - 2s 37us/step - loss: 0.0715 - acc: 0.9787
<tensorflow.python.keras.callbacks.History object at 0x129819470>
>>> model.evaluate(xtest, ytest)
10000/10000 [==============================] - 0s 17us/step
[0.09259423367818817, 0.9711]
>>> model.save('m0x.h5')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/mmelton/Library/Python/3.6/lib/python/site-packages/tensorflow/python/keras/engine/n\
etwork.py", line 1358, in save
    raise NotImplementedError
NotImplementedError
>>> model._is_graph_network
False
>>> model.save_weights('w0.h5', save_format='h5')
>>>

>>> tf.__version__
'1.11.0'
>>> tk.__version__
'2.1.6-tf'
>>>

Python 3.6.6（默认值，2018年6月28日，05:43:53）
[GCC 4.2.1达尔文兼容苹果LLVM 9.1.0（clang-902.0.39.2）]
有关详细信息，请键入“帮助”、“版权”、“信用证”或“许可证”。
>>>导入tensorflow作为tf
>>>将tensorflow.keras导入为tk
>>>mnist=tk.datasets.mnist
>>>（xtrain，ytrain），（xtest，ytest）=mnist.load_data（）
>>>xtrain，xtest=xtrain/255.0，xtest/255.0
>>>model=tk.models.Sequential（[tk.layers.Flatten（），tk.layers.Dense（64，activation=tf.nn.relu））\
tk.layers.Dense（10，激活=tf.nn.softmax）]）
>>>compile（优化器='adam'，loss='sparse\u categorical\u crossentropy'，metrics=['accurity']）
>>>model.fit（xtrain，ytrain，epochs=5）
纪元1/5
60000/60000[===================================================]2s 39us/步-损耗：0.3086-附件：0.9126
...
纪元5/5
60000/60000[===================================================]2秒37秒/步-损耗：0.0715-附件：0.9787
>>>模型评估（xtest、ytest）
10000/10000[=======================================]-0s 17us/步
[0.09259423367818817, 0.9711]
>>>model.save（'m0x.h5'）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“/Users/mmelton/Library/Python/3.6/lib/Python/site-packages/tensorflow/Python/keras/engine/n\
etwork.py”，保存中的第1358行
引发未实现的错误
未实现错误
>>>模型。\是\图\网络
假的
>>>model.save_weights（'w0.h5'，save_format='h5'）
>>>
>>>tf.\u版本__
'1.11.0'
>>>tk.\u版本__
“2.1.6-tf”
>>>

我错过了什么

model = tk.models.Sequential([
    tk.layers.Flatten(), 
    tk.layers.Dense(64, activation=tf.nn.relu), 
    tk.layers.Dense(10, activation=tf.nn.softmax)
])

---

您的网络没有输入-

扁平化（输入形状=（784，）

。另外，将

flatte（）

作为第一层有点滑稽，但如果你愿意，可以尝试使用它。

模型创建语句直接取自第一层中的代码，我可以使用它成功地进行拟合和评估。将参数

input\u shape（28,28，）

添加到

flatte

调用确实会生成一个我可以保存和加载的模型。那里发生了什么事？指定输入形状似乎会触发一个不明显的更改。@哦，有趣的是，教程是这样设置的。我猜想现在的情况是，模型是在没有指定输入形状的情况下编译的。这不是一个问题，因为您正在展平输入，并且在训练时根据输入形状调整输入尺寸。但是，当您尝试保存模型时，它无法推断输入尺寸，也无法正确保存图形。