我有一个Keras模型，希望将归一化值保存到model对象本身中，以便更容易移植。

我使用sklearn的StandardScaler()来归一化数据，所以我只想将scaler中的mean_和var_属性保存到model中，保存模型，然后在重新加载模型时可以访问这些属性。

目前，当我重新加载模型时，我添加的属性不在那里。正确的做法是什么？

代码：

# 归一化数据
scaler = StandardScaler()
scaler.fit(X_train)
...
# 创建模型
model = Sequential(...)
# 编译和训练...
# 保存带有归一化均值和方差的模型
model.normalization_mean = scaler.mean_
model.normalization_var  = scaler.var_
keras.models.save_model(model = model, 
                        filepath = ...)
# 重新加载模型
model = keras.models.load_model(filepath = ...)
hasattr(model, 'normalization_mean') # False
hasattr(model, 'normalization_var')  # False

回答：

这是一种可能的方法… 你可以以这种方式创建一个模型子类，并分配外部对象，如不可训练的变量

X = np.random.uniform(0,1, (100,10))
y = np.random.uniform(0,1, 100)
class MyModel(tf.keras.Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.dense1 = Dense(32)
    self.dense2 = Dense(1)
  def call(self, inputs):
    x = self.dense1(inputs)
    return self.dense2(x)
model = MyModel()
model.compile('adam','mse')
model.fit(X,y)
model._normalization_mean = tf.Variable([111.], trainable=False)
model._normalization_var  = tf.Variable([222.], trainable=False)
model.save('abc.tf', save_format='tf')
model = tf.keras.models.load_model(filepath = 'abc.tf')

在加载模型后，你可以调用

model._normalization_mean.numpy()
# array([111.], dtype=float32)

这里是运行的笔记本

要保存和加载子类模型，你可以参考这个