Python 尝试在类中构建函数api模型，但引发NotImplementedError

但我得到了这个错误：

文件“”，第46行，在 model.fit（x\u序列，y\u序列，历元=50，批量大小=8，验证\u分割=0.1，回调=callback\u列表） 文件“D:\Anaconda3\lib\site packages\keras\engine\training.py”，第1239行，以fit格式 验证频率=验证频率） 文件“D:\Anaconda3\lib\site packages\keras\engine\training\u arrays.py”，第216行，在fit\u循环中 回调。在epoch\u结束时（epoch，epoch\u日志） 文件“D:\Anaconda3\lib\site packages\keras\callbacks\callbacks.py”，第152行，末尾 回调。在\u epoch\u结束时（epoch，日志） 文件“D:\Anaconda3\lib\site packages\keras\callbacks\callbacks.py”，第719行，在末尾 self.model.save（filepath，overwrite=True） 文件“D:\Anaconda3\lib\site packages\keras\engine\network.py”，第1150行，保存 引发未实现的错误 未实现错误

---

对于自定义模型，必须对ModelCheckpoint（）使用“save_weights_only=True”或使用model.save_weights（）

有关更多详细信息，请参阅以下链接：

class MyModel(Model):

    def __init__(self,num_classes=1):
        super(MyModel, self).__init__()

        self.conv1=Convolution2D(filters=8,kernel_size=8,padding='same')
        self.batch_norm1=BatchNormalization()
        self.activation1=Activation('relu')
        self.conv2=Convolution2D(filters=16,kernel_size=8,activation='relu',padding='same')
        self.batch_norm2=BatchNormalization()
        self.activation2=Activation('relu')
        self.MaxPooling2D=MaxPooling2D(pool_size =(2, 2))
        self.Flatten=Flatten()
        self.dense1=Dense(16,activation='relu')
        self.dense2=Dense(num_classes,kernel_regularizer=regularizers.l2(0.4))

    def call(self,inputs):

        x=self.conv1(inputs)
        x=self.batch_norm1(x)
        x=self.activation1(x)
        x=self.conv2(x)
        x=self.batch_norm2(x)
        x=self.activation2(x)
        x=self.MaxPooling2D(x)
        x=self.Flatten(x)
        x=self.dense1(x)
        return self.dense2(x)

    def compute_output_shape(self, input_shape):

        shape = tf.TensorShape(input_shape).as_list()
        shape[-1] = self.num_classes
        return tf.TensorShape(shape)

model=MyModel()

adam=Adam(learning_rate=1e-4)

model.compile(optimizer=adam,loss="mse")

earlystopper = EarlyStopping(monitor='val_loss', patience=20, verbose=0) 

checkpoint =ModelCheckpoint("C:/Users/user/Desktop/research/pic_recognition/cnn2d-model.hdf5",save_best_only=True)

callback_list=[earlystopper,checkpoint]  

model.fit(x_train, y_train, epochs=50, batch_size=8,validation_split=0.1,callbacks=callback_list)