如何在此代码段中使用pickle？

Question

我有一个简单的代码片段来训练模型，但是当我使用pickle保存模型以备将来使用时，它给我一个错误消息：

cannot pickle thread.LOCK objects

我用了多种格式的泡菜，但它给了我同样的错误。

import pickle

model = keras.Sequential([
    keras.layers.Dense(SHAPE, input_shape=(SHAPE,)),
    keras.layers.Dense(300, activation='sigmoid'),
    keras.layers.Dense(10, activation='softmax')
])


#******************    COMPILING THE MODE        *****************
LEARNING_RATE = 0.0005
model.compile(optimizer=keras.optimizers.Adam(lr=LEARNING_RATE),
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy']              
             )

# ***********      TRAINING THE MODEL   **********
EPOCHS = 20
BATCH_SIZE=50

history_original_data = model.fit(X_original_train_images, y_original_train_labels, epochs=EPOCHS, batch_size=BATCH_SIZE) 
hist_original=history_original_data.history


### PICKLE TO SAVE THE MODEL TO BE USED WITHOU PRO-TRAINING IT
pickname ="SequentialNeuroNetwork.pkl"
PickleSeq = open(pickname, 'wb')
pickle.dump(model, PickleSeq)
PickleSeq.close()

我期望上面的代码段可以平稳运行，但是却使我付出了代价。

Answer 1

您正在使用哪个版本的keras？ 我几乎可以肯定，旧版本不支持泡菜。

另外，建议使用model.save()将模型保存在keras中。 正如keras常见问题页面中所述：

您可以使用model.save（filepath）将Keras模型保存到单个HDF5文件中，该文件包含：

• 模型的架构，从而可以重新创建模型
• 模型的权重
• 训练配置（损失，优化器）
• 优化程序的状态，从而可以从您上次中断的地方继续正确地进行训练。

然后，您可以使用keras.models.load_model(filepath)重新实例化模型。 load_model还将负责使用保存的训练配置来编译模型（除非从未首先编译过模型）。

资料来源： https : //keras.io/getting-started/faq/#how-can-i-save-a-keras-model