TensorFlow保存模型遇TypeError：无法序列化EagerTensor至JSON

错误原因 #

报错根源是代码中使用的f1score是TensorFlow的EagerTensor类型，Keras保存模型时会将部分配置序列化为JSON格式，但JSON无法识别EagerTensor对象，导致序列化失败。

解决方案 #

核心是把EagerTensor转换为普通Python数值（如float），提供两种实现方式：

方式1：调用save_model前转换 #

在传入f1score参数前，手动将张量转为普通浮点数：

# 转换EagerTensor为普通浮点数，二选一即可
f1score = float(f1score)
# f1score = f1score.numpy()

working_dir=os.getcwd()
subject='chest scans'
save_model(subject, classes, img_size, f1score, working_dir)

方式2：在save_model函数内部自动处理 #

修改保存函数，增加张量检测与转换逻辑：

def save_model(subject, classes, img_size, f1score, working_dir):
    # 自动检测并转换EagerTensor为普通浮点数
    if hasattr(f1score, 'numpy'):
        f1score = f1score.numpy()
    f1score = float(f1score)
    
    name=subject + '-' + str(len(classes)) + '-(' + str(img_size[0]) + ' X ' + str(img_size[1]) + ')'
    save_id=f'{name}-{f1score:5.2f}.h5'
    model_save_loc=os.path.join(working_dir, save_id)
    model.save(model_save_loc)
    msg= f'model was saved as {model_save_loc}'
    print_in_color(msg, (0,255,255), (100,100,100)) # cyan foreground

额外排查点 #

如果上述方法无效，需检查模型是否包含自定义层或自定义指标，确保这些组件中所有需要序列化的参数都是普通Python类型（int、float、list等），而非Tensor对象。

内容的提问来源于stack exchange，提问作者mfl2022