解决Keras模型序列化错误
奇怪的模型序列化错误，原因居然是...
封面图片：JOSHUA COLEMAN
在经历过TensorFlow 2中子类化模型的一堆坑之后，我尽可能的使用Keras Fucntional API来构建模型。然而这几天一个Keras模型序列化的错误困扰了我好久，最终的解决方案却异常简单。
错误现象
在开始训练模型时会看到一行警告：
WARNING:tensorflow:Model failed to serialize as JSON. Ignoring... ('Not JSON Serializable:', <tf.Tensor: shape=(), dtype=int32, numpy=58)这个警告并不影响训练，也不影响checkpoint文件的保存。但是在导出模型为`saved_model`格式时，该警告会变成错误，导致保存失败。
理论上，只要定位到无法序列化的对象，然后分析原因，想办法序列化就好。但是从错误信息只能看出这是一个INT32类型的Tensor，数值为58。没有它在代码中的变量名称。
这就很麻烦了，代码中的变量千千万，哪个才是罪魁祸首？
分析异常
饭要一口一口吃，问题要分割后一点一点解决。首先从错误信息来看，这是一个整形变量。代码中涉及到整形变量的地方一般是Tensor的形状、通道数、某些自定义的计时器、循环步数等。这样可以排除一部分。其次，该变量的形状为()，这意味着它不太可能是Tensor形状（一般为[bs, height, width, channels]）。最关键的是它的数值为58。在神经网络的构建过程中，涉及到形状的数值都尽可能的被8整除。这个奇怪的58——正好是116/2，而116，是我当前所构建网络的第一层卷积层通道数。所以，它应当是通道数。
异常原因
但是，一个整形为何无法序列化？
Google之后，我在官方GitHub上发现了一篇相关讨论。作者遇到了和我类似情况。不同之处在于他在loss函数中创建了一个类型为float32的tf.variable。
tensorflow
这时，我恍然大悟。
问题并非是“整型”无法序列化，而是Tensor无法序列化！而我的这行代码因为使用了`tf.math`函数误将将整型通道数变为了整型Tensor。
num_identity = tf.cast(tf.math.ceil(num_input_channels * split), tf.int32)解决方案
原因找到，解决方案自然也有了。此时的通道数本质是一个Eager Tensor，所以，在其后使用`.numpy()`方法获得其数值即可。
num_identity = tf.cast(tf.math.ceil(num_input_channels * split), tf.int32).numpy()现在，模型可以正常保存了。
以上内容涉及的模型为ShuffleNet v2，如果你感兴趣的话欢迎查阅源码：
yinguobing
Comments ()