在「機器學(xué)習(xí)入坑指南（九）：TensorFlow 實戰(zhàn)——手寫數(shù)字識別（MNIST 數(shù)據(jù)集）」一文中，我們實現(xiàn)了一個模型，完整的代碼如下（原文有詳細(xì)解析）：

import tensorflow as tf  

mnist = tf.keras.datasets.mnist  
(x_train, y_train),(x_test, y_test) = mnist.load_data()  

x_train = tf.keras.utils.normalize(x_train, axis=1) 
x_test = tf.keras.utils.normalize(x_test, axis=1)  

model = tf.keras.models.Sequential()  
model.add(tf.keras.layers.Flatten())  # 把圖片展平成 1x784，這里應(yīng)該指定 shape 
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))  
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu)) 
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))  

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

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

val_loss, val_acc = model.evaluate(x_test, y_test)  
print(val_loss)  
print(val_acc)  

如果我們想保存這個模型，可以使用如下代碼

model.save('epic_num_reader.model')

然后就會不幸地引發(fā) NotImplementedError

image

為了解決這個問題折騰了半天，后來在 Stack Overflow 上提問，大神告訴我是因為我沒有給第一層設(shè)置 input_shape 參數(shù)，導(dǎo)致模型沒有明確的定義，而 Keras 并沒有實現(xiàn)保存未定義的模型的方法，從而引發(fā)了這個錯誤。

于是，把添加第一層的代碼改為

model.add(tf.keras.layers.Flatten(input_shape=(28,28))) #因為輸入的是 28x28 的圖像（矩陣）

再次保存模型，就不會報錯啦！

歡迎訪問 Evan 的博客