加载Keras LTC模型时遇'adjacency_matrix'参数不识别错误的解决求助

问题分析 #

加载模型时出现('Keyword argument not understood:', 'adjacency_matrix')，是因为模型保存时会序列化LTCCell依赖的AutoNCP wiring对象，其中包含adjacency_matrix等参数，但加载时仅指定LTCCell在custom_objects中，缺少AutoNCP类的定义，且LTCCell默认的反序列化逻辑无法处理这些参数。

解决方案 #

方案1：补充CustomObjects包含AutoNCP类 #

修改加载代码，将wirings.AutoNCP也加入custom_objects，让Keras能正确重建wiring实例：

custom_objects = {'LTCCell': LTCCell, 'AutoNCP': wirings.AutoNCP}
model = tf.keras.models.load_model(model_path, custom_objects=custom_objects)

方案2：重写LTCCell的from_config方法 #

如果方案1无效，自定义LTCCell的反序列化逻辑，手动处理adjacency_matrix参数重建wiring：

class CustomLTCCell(LTCCell):
    @classmethod
    def from_config(cls, config):
        # 提取wiring的配置参数
        wiring_config = config.pop('wiring')
        # 重建AutoNCP实例
        wiring = wirings.AutoNCP(**wiring_config)
        # 传入重建的wiring初始化CustomLTCCell
        return cls(wiring, **config)

# 加载时使用自定义的CustomLTCCell
custom_objects = {'LTCCell': CustomLTCCell, 'AutoNCP': wirings.AutoNCP}
model = tf.keras.models.load_model(model_path, custom_objects=custom_objects)

方案3：改用TensorFlow SavedModel格式保存/加载 #

尝试使用TF原生的SavedModel格式（文件夹形式）替代.h5.keras，提升自定义层兼容性：

# 保存模型时（替换原保存代码）
model.save(model_path.replace('.h5.keras', ''), save_format='tf')

# 加载模型时
model = tf.keras.models.load_model(model_path.replace('.h5.keras', ''), custom_objects=custom_objects)

额外验证：确保LTCCell正确序列化wiring #

如果原LTCCell的get_config方法未正确包含wiring配置，需要重写：

class LTCCell(LTCCell):
    def get_config(self):
        config = super().get_config()
        # 将wiring的配置加入模型配置
        config['wiring'] = self.wiring.get_config()
        return config

修改后重新训练并保存模型，再尝试加载。

内容的提问来源于stack exchange，提问作者Ana Flávia dos Reis