python之Keras 和 TensorFlow : Saving non-sequential model weights

(我正在使用 Tensorflow 1.8.0 ...)

documentation from Keras on how to save a model提到保存顺序模型与从功能 API 创建的模型之间没有区别。但是，以下所有代码块都失败了:

import tensorflow as tf 
net = tf.keras.models.Model() 
net.save('file') 

或

import tensorflow as tf 
net = tf.keras.models.Model() 
print(net.to_json()) 

或

import tensorflow as tf 
net = tf.keras.models.Model() 
print(net.to_yaml()) 

或

import tensorflow as tf 
net = tf.keras.models.Model() 
print(net.get_config()) 

他们引发了一个NotImplementedError。在Keras模块中，相关行是

if not self._is_graph_network: 
  raise NotImplementedError 

显示在 .save 和 get_config 中(后者也被 to_json 和 to_yaml 调用。

唯一有效的是以下内容

import tensorflow as tf 
net = tf.keras.models.Model() 
net.save_weights('file') 

在这种情况下，权重已成功保存，并且可以使用 net.load_weights 成功加载。

但是，将上述代码块的第二行 net = tf.keras.models.Model() 替换为 net = tf.keras.models.Sequential() ，让 net 成为一个顺序模型，让上面的一切都能正常工作。

是否真的无法保存使用函数式 API 制作的 Keras 模型的结构(使用 Model 而不是 Sequential)？现在，我们只能减重吗？

请您参考如下方法:

当然可以保存模型，你所有的例子都有一个空模型，保存是没有意义的。 Keras 的作者根本没有实现这种情况。

如果您使用非空模型进行测试，您会发现保存效果很好。我们每天都在使用它。