这不是一个错误，这是一个功能。
此错误使您知道TF无法保存模型，因为它无法加载模型。具体来说，它将无法重新实例化您的自定义Layer类：和。
只需根据您添加的新参数覆盖其方法。
层配置是包含层配置的Python字典（可序列化）。稍后可以从此配置中重新实例化同一层（没有经过训练的权重）。
例如，如果您的encoder班级看起来像这样：
class encoder(tf.keras.layers.Layer): def __init__(self,vocab_size, num_layers, units, d_model, num_heads, dropout,**kwargs, ):super().__init__(**kwargs)self.vocab_size = vocab_sizeself.num_layers = num_layersself.units = unitsself.d_model = d_modelself.num_heads = num_headsself.dropout = dropout # Other methods etc.
那么您只需要重写此方法：
def get_config(self):config = super().get_config().copy()config.update({ ’vocab_size’: self.vocab_size, ’num_layers’: self.num_layers, ’units’: self.units, ’d_model’: self.d_model, ’num_heads’: self.num_heads, ’dropout’: self.dropout,})return config
当TF看到这一点（针对两个类）时，您将能够保存模型。
因为现在加载模型时，TF将能够从config重新实例化同一层。
的源代码可以更好地了解其工作方式：
@classmethoddef from_config(cls, config): return cls(**config)解决方法
我正在尝试使用来保存我的TensorFlow模型model.save()-我收到此错误。
此处提供了模型摘要：模型摘要
变压器模型的代码：
def transformer(vocab_size,num_layers,units,d_model,num_heads,dropout,name='transformer'): inputs = tf.keras.Input(shape=(None,),name='inputs') dec_inputs = tf.keras.Input(shape=(None,name='dec_inputs') enc_padding_mask = tf.keras.layers.Lambda(create_padding_mask,output_shape=(1,1,None),name=’enc_padding_mask’)(inputs) # mask the future tokens for decoder inputs at the 1st attention block look_ahead_mask = tf.keras.layers.Lambda(create_look_ahead_mask,None,name=’look_ahead_mask’)(dec_inputs) # mask the encoder outputs for the 2nd attention block dec_padding_mask = tf.keras.layers.Lambda(create_padding_mask,name=’dec_padding_mask’)(inputs) enc_outputs = encoder(vocab_size=vocab_size,num_layers=num_layers,units=units,d_model=d_model,num_heads=num_heads,dropout=dropout,)(inputs=[inputs,enc_padding_mask]) dec_outputs = decoder(vocab_size=vocab_size,)(inputs=[dec_inputs,enc_outputs,look_ahead_mask,dec_padding_mask]) outputs = tf.keras.layers.Dense(units=vocab_size,name='outputs')(dec_outputs) return tf.keras.Model(inputs=[inputs,dec_inputs],outputs=outputs,name=name)
我不明白为什么会出现此错误，因为模型训练得很好。任何帮助，将不胜感激。
我的保存代码供参考：
print('Saving the model.')saveloc = 'C:/tmp/solar.h5'model.save(saveloc)print('Model saved to: ' + saveloc + ' succesfully.')
