TypeError：无法腌制 NotImplementedType 对象（在 keras、python 中）答案

【问题标题】：TypeError: can't pickle NotImplementedType objects (in keras, python)TypeError：无法腌制 NotImplementedType 对象（在 keras、python 中）
【发布时间】：2018-05-29 05:41:48
【问题描述】：

我正在使用 Keras 进行深度运行。但是学习后在存储模型的过程中出现了如下错误。

TypeError：无法腌制 NotImplementedType 对象

当我在另一个目录中运行相同的代码时没有问题。

下面的代码是导致错误的部分代码。

.... 

model.add(Dense(2, activation='relu'))

model.add(Dense(1, activation='sigmoid'))

model = multi_gpu_model(model, gpus=4)

model.compile(loss='binary_crossentropy', optimizer = 'adam', metrics = ['accuracy'])

model.fit(x_train,y_train,epochs = 3, batch_size =500)


scores = model.evaluate(x_test,y_test)

#print("%s:.2f%%"%(model.metrics_names[1], scores[1]*100))

model.save('/disk3/seaice/seaice_keras_model2.h5')

keras内部的存储方法是否出现pickle的类型错误？

也是同一个环境，但是不知道为什么在不同目录下效果不一样。

如果您能为我提供此问题的解决方案，我将不胜感激。

【问题讨论】：

我在解决这个问题时发现了一些有趣的东西。当我第一次使用这个模型时，我使用了 25 亿个数据集。发生错误时，使用了 9000 万个数据集。
于是我把模型的层数降了很多，又恢复正常了。如果模型太深，数据量太大，会不会出现这个问题？还是偶然解决了这个问题？

标签： python keras pickle

【解决方案1】：

保存多 GPU 模型时，Keras 文档建议您调用 base 模型的 save(fname) 或 save_weights(fname) 方法，而不是 multi_gpu_model 的方法（参见 @987654321 @，在页面的最底部）。

我会将您的multi_gpu_model 分配给一个新变量，而不是重新分配model。这样一来，您就可以轻松参考您的基本模型，您可以使用它来节省权重。

【讨论】：