Keras自定义编解码层显示未构建，导致模型保存失败

核心问题分析 #

• 自定义层SimpleEncoder和SimpleDecoder的get_config中手动序列化子层，导致Keras序列化逻辑冲突，无法正确识别层的参数状态。
• 模型RetrosynthesisSeq2SeqModel的build方法通过调用self.call触发子层构建，这种方式无法正确同步层的构建状态标记，导致summary显示unbuilt。

具体修复步骤 #

1. 简化自定义层的序列化逻辑 #

移除手动序列化子层的代码，Keras会自动处理内部可训练层的序列化与反序列化：

修改SimpleEncoder的get_config和from_config

def get_config(self) -> dict:
    config = super(SimpleEncoder, self).get_config()
    config.update({
        'vocab_size': self.vocab_size,
        'embedding_dim': self.embedding_dim,
        'units': self.units,
        'dropout_rate': self.dropout_rate,
    })
    return config

@classmethod
def from_config(cls, config: dict) -> 'SimpleEncoder':
    return cls(**config)

修改SimpleDecoder的get_config和from_config

def get_config(self) -> dict:
    config = super(SimpleDecoder, self).get_config()
    config.update({
        'vocab_size': self.vocab_size,
        'embedding_dim': self.embedding_dim,
        'units': self.units,
        'dropout_rate': self.dropout_rate,
    })
    return config

@classmethod
def from_config(cls, config: dict) -> 'SimpleDecoder':
    return cls(**config)

2. 修正模型的build方法 #

直接调用子层的build方法，确保层状态正确标记为已构建：

def build(self, input_shape):
    encoder_input_shape, decoder_input_shape = input_shape
    
    # 构建编码器
    self.encoder.build(encoder_input_shape)
    
    # 构建解码器的完整输入形状（包含初始状态形状）
    decoder_full_input_shape = (
        decoder_input_shape,
        (encoder_input_shape[0], self.units),
        (encoder_input_shape[0], self.units)
    )
    self.decoder.build(decoder_full_input_shape)
    
    # 构建状态转换Dense层
    self.enc_state_h.build((encoder_input_shape[0], self.units))
    self.enc_state_c.build((encoder_input_shape[0], self.units))
    
    super(RetrosynthesisSeq2SeqModel, self).build(input_shape)

3. 修正模型get_config的参数获取方式 #

改用初始化参数而非直接访问子层内部属性：

def get_config(self) -> dict:
    config = super(RetrosynthesisSeq2SeqModel, self).get_config()
    config.update({
        'units': self.units,
        'input_vocab_size': self.input_vocab_size,
        'output_vocab_size': self.output_vocab_size,
        'encoder_embedding_dim': self.encoder.embedding_dim,
        'decoder_embedding_dim': self.decoder.embedding_dim,
        'dropout_rate': self.dropout_rate,
    })
    return config

验证修复效果 #

修改后重新运行测试脚本：

• model.summary()会正确显示SimpleEncoder和SimpleDecoder的参数数量。
• model.save()可以成功保存模型，无序列化错误。

内容的提问来源于stack exchange，提问作者Biggles-2