`tf.model_to_estimator`在将列表对象添加到keras子类模型时引发AttributeError

Question

我已经像这样创建了一个keras子类模型：

class SubModel(tf.Keras.Model):

    def __init__(self, features, **kwargs):
        """Init function of Model.
        Args:
            features: A list of SparseFeature and DenseFeature.
        """
        assert len(features) > 0
        super(SubModel, self).__init__(name='SubModel', **kwargs)
        self.features = features

请注意，__init__函数中有一个特性，该特性将在该模型的call方法中使用。当我训练和评估具有keras风格的模型时，一切正常。

但是，现在我想使用tf.keras.model_to_estimator函数将此模型转换为估计量。它将引发错误：AttributeError: '_ListWrapper' object has no attribute 'get_config'。

根据我的调试，是添加到模型的features属性导致此错误。当将convertint转换为estimator时，它将要素视为模型的layer，并在克隆模型时尝试调用get_config函数。克隆模型时，似乎所有添加到模型的属性都将被视为layer。

但是我真的想将features用作模型的一部分，以便可以通过该模型的其他功能（例如call）进行访问。还有其他解决方法吗？

Answer 1

[我认为tf.keras.model_to_estimator与Sequential或Functional API Keras模型完全兼容，但与Subclass模型不兼容，特别是在子类中实现复杂的操作时。

因此，如果您已经定义了一个子类keras模型，并且希望将其隐含到估计器中，最好的方法是定义model_fn函数，并将其像下面的代码一样放入keras模型中：

def model_fn(features, labels, mode):
    model = SubModel()
    outputs = model(features)
    loss = tf.keras.losses.xx(labels, outputs)
    return tf.estimator.EstimatorSpec(...)