加载带有自定义层的模型时出现 Keras TypeError答案

【问题标题】：Keras TypeError when loading a model with a custom layer加载带有自定义层的模型时出现 Keras TypeError
【发布时间】：2021-01-05 06:46:26
【问题描述】：

我正在保存的模型中有一个自定义 Keras 层。我想加载这个模型。这是我用来这样做的代码：

self.model = load_model(path, custom_objects={'MyLayer': MyLayer, 'custom_loss_fn': custom_loss_fn})

这是我在模型中使用的自定义层：

class MyLayer(tf.keras.layers.Layer):
    def __init__(self, units, **kwargs):
        super(MyLayer, self).__init__(units, **kwargs)
        self.W1 = tf.keras.layers.Dense(units)
        self.W2 = tf.keras.layers.Dense(units)
        self.V = tf.keras.layers.Dense(1)

    def call(self, values):
        ...

    def get_config(self):
        config = super().get_config()
        config.update({
          'w1': self.W1,
          'w2': self.W2,
          'v': self.V,
        })
        return config

当我尝试加载模型时，出现以下错误：

TypeError: __init__() missing 1 required positional argument: 'units'

这是为什么呢？

更新

我正在使用 kera 的 ModelCheckpoint 回调保存模型。这可能是兼容性问题吗？

【问题讨论】：

如果将units = self.units 放在init func 的顶部会怎样？
你的意思是 self.units = units？
是的，这能解决问题吗？
并尝试将 super() 语句放在 init 函数的底部
以上都不起作用。

标签： python tensorflow keras keras-layer

【解决方案1】：

尝试相应地修改init函数

def __init__(self, units, **kwargs):    
   self.units = units
   ...
   super(MyCustomLayer, self).__init__(**kwargs)

【讨论】：