无法保存含双编码器的Keras子类模型，询问加载方案可行性

你给出的写法不可行，核心问题在于__init__方法里硬编码加载本地路径的模型，完全忽略了方法参数中传入的text_encoder和image_encoder，既不灵活，也不符合类的设计逻辑——如果后续需要更换模型路径、或者传入自定义的编码器实例，这种写法会直接失效。

下面是两种正确的重建思路：

方案一：外部加载子模型后传入（推荐） #

保持DualEncoder的__init__参数设计，先在类外部加载好两个子模型，再传入初始化：

class DualEncoder(keras.Model):
    def __init__(self, text_encoder, image_encoder, temperature=1.0, **kwargs):
        super(DualEncoder, self).__init__(**kwargs)
        self.text_encoder = text_encoder
        self.image_encoder = image_encoder
        self.temperature = temperature
        self.loss_tracker = keras.metrics.Mean(name="loss")

# 重建步骤
loaded_text_encoder = tf.keras.models.load_model('text_encoder')
loaded_image_encoder = tf.keras.models.load_model('image_encoder')
dual_encoder = DualEncoder(loaded_text_encoder, loaded_image_encoder)

方案二：类内部支持路径加载（灵活扩展） #

如果希望DualEncoder自身支持从路径加载子模型，可以修改__init__逻辑，同时支持传入模型实例或路径：

class DualEncoder(keras.Model):
    def __init__(self, text_encoder=None, image_encoder=None, text_encoder_path=None, image_encoder_path=None, temperature=1.0, **kwargs):
        super(DualEncoder, self).__init__(**kwargs)
        # 优先使用传入的模型实例，无实例则从路径加载
        if text_encoder is not None:
            self.text_encoder = text_encoder
        elif text_encoder_path is not None:
            self.text_encoder = tf.keras.models.load_model(text_encoder_path)
        else:
            raise ValueError("必须提供text_encoder实例或text_encoder_path路径")
        
        if image_encoder is not None:
            self.image_encoder = image_encoder
        elif image_encoder_path is not None:
            self.image_encoder = tf.keras.models.load_model(image_encoder_path)
        else:
            raise ValueError("必须提供image_encoder实例或image_encoder_path路径")
        
        self.temperature = temperature
        self.loss_tracker = keras.metrics.Mean(name="loss")

# 通过路径重建
dual_encoder = DualEncoder(text_encoder_path='text_encoder', image_encoder_path='image_encoder')

额外注意事项 #

• 如果你的text_encoder或image_encoder是自定义子类模型，加载时需要通过custom_objects参数指定自定义类，示例：

  tf.keras.models.load_model('text_encoder', custom_objects={'TextEncoder': TextEncoder})
  

• 若之前是用save_weights保存的子模型，需先创建对应子模型的实例，再调用load_weights方法加载权重，而不是使用load_model。

内容的提问来源于stack exchange，提问作者albert