无法pickle tensorflow 弱引用对象
本帖最后由 125404629 于 2023-3-31 21:16 编辑求助大神！，如能解决请加qq806559062,必有重谢！！！
下列代码是我所写的程序的一部分，功能是通过遗传算法优化CNN模型，实现光谱数据分类，其中，save_network(self)中的save_network函数的功能是同时保存network类的拓朴结构，所建立的模型和适应度，通过pickle.dump将其序列化为.obj格式的序列化文件，通过pickle.load将其反序列化用于读取network.但是现在存在的问题是，报错：TypeError：can't pickle weakref objects，无法pickle 弱引用对象，因此无法将network进行序列化。现在，请问如何修改代码实现序列化network类，所建立的模型和适应度到一个二进制文件之中，并能够再次反序列化读取。
环境配置：python 3.7.8 ,tensorflow -gpu 2.6.0 ,keras 2.6.0，之前使用tensorflow cpu进行训练时未出现这个问题。
下面是部分代码：
“def save_network(network):
object_file = open(network.name + '.obj', 'wb')
pickle.dump(network, object_file)
#将模型文件以二进制格式进行读取
def load_network(name):
object_file = open(name + '.obj', 'rb')
return pickle.load(object_file)
”
“class Network:
__slots__ = ('name', 'block_list', 'fitness', 'model')
def __init__(self, it):
self.name = 'parent_' + str(it) if it == 0 else 'net_' + str(it)
self.block_list = []
self.fitness = None
self.model = None
def build_model(self):
model = keras.Sequential() # create model
for block in self.block_list:
for layer in block.get_layers(): # build model
try:
layer.build_layer(model)
except:
print("\nINDIVIDUAL ABORTED, CREATING A NEW ONE\n")
return -1
return model
def train_and_evaluate(self, model, dataset):
print("Training", self.name)
model.compile(optimizer=model.opt, loss='categorical_crossentropy', metrics=['acc'])
#需要增加优化器学习率超参数
history = model.fit(dataset['x_train'],
dataset['y_train'],
batch_size=model.batch_size,
epochs=model.epochs,
validation_data=(dataset['x_test'], dataset['y_test']),
shuffle=True)
self.model = model # model
self.fitness = history.history['val_acc'][-1] # fitness
model.save(self.name + '.h5') # save model训练数据和训练后的参数保存为h5格式文件
save_network(self)
” 先把你的代码复制到记事本，然后再复制粘贴出来，而且点击 <> 用代码块
直接从pychram复制一堆格式问题 isdkz 发表于 2023-3-31 21:11
先把你的代码复制到记事本，然后再复制粘贴出来，而且点击用代码块
直接从pychram复制一堆格式问题
好的 执行这个看看结果：
print() 本帖最后由 125404629 于 2023-3-31 21:54 编辑
好的 通过重写 __getstate__ 和 __setstate__ 方法来自定义 pickle 的序列化和反序列化的过程
页:
[1]