Python TensorFlow:无法保存经过训练的模型（AssertionError）

我的模型使用预处理的数据来预测客户是私人客户还是非私人客户。预处理步骤是使用诸如feature_column.bucketized_column（…）、feature_column.Embedded_column（…）等步骤

培训后，我试图保存模型，但出现以下错误：

AssertionError:尝试导出引用未跟踪对象Tensor的函数（“14867:0”，shape=（），dtype=resource）。函数捕获的TensorFlow对象（e.sg.tf.Variable）必须通过将其分配给跟踪对象的属性或直接分配给主对象的属性来跟踪

以下是相关代码：

（功能列、列、值、测试）=预处理.getPrepreprocessedDataset（args.data、args.zip、args.batchSize）
特征层=tf.keras.layers.DenseFeatures（特征列，可训练=假）
模型=tf.keras.models.Sequential([
特征层，
致密（1，活化=tf.nn.sigmoid）
])
model.compile（优化器='sgd'，
损失='binary\u交叉熵'，
指标=[‘准确度’]）
...
模型安装（列车），
验证数据=val\U ds，
epochs=args.epoch，
回调=[tensorboard_回调]）
model.summary（）
如果args.saveModel：
filepath=“./saved_models/logReg”+datetime.datetime.now（）.strftime（“%Y%m%d-%H%m%S”）+“-e{}-b{}-a{}”。格式（args.epoch，args.batchSize，accurity）
model.save（文件路径）

（）尝试更改导入。通过查找您的问题，我找到了一些其他答案。您可以看到，我已经在使用

model=tf.keras.models.Sequential

，因此使用了tf.keras模块。我看到了你之前提到的帖子，我还尝试将

save_model

与tensorflow.python.keras.models导入save_model中的

结合使用，但没有成功。