如何在Python中将TensorFlow神经网络模型保存为RDS文件？

你遇到的错误是因为rpy2默认没有实现Keras Sequential模型从Python到R对象的转换逻辑。下面提供两种可行的解决方案：

方法一：通过Keras HDF5格式中转（推荐） #

这种方法先将Python模型保存为Keras原生的HDF5格式，再通过rpy2调用R的keras库加载模型并转存为RDS，步骤简单且兼容性好：

1. 先在Python中保存Keras模型为HDF5文件：

model.save("my_model.h5")

2. 使用rpy2调用R代码完成加载和转存：

import rpy2.robjects as robjects
from rpy2.robjects.packages import importr

# 导入R的keras包（需确保R环境已安装keras并配置好TensorFlow后端）
keras = importr("keras")
saveRDS = robjects.r["saveRDS"]

# 在R环境中加载HDF5模型，再保存为RDS
r_model = keras.load_model("my_model.h5")
saveRDS(r_model, "model.rds")

方法二：传递模型结构与权重重建后保存 #

如果不想生成中间HDF5文件，可以直接导出模型的结构和权重，在R中重建模型后再保存为RDS：

import rpy2.robjects as robjects
from rpy2.robjects import numpy2ri
from rpy2.robjects.packages import importr
import json

# 启用numpy数组到R对象的自动转换
numpy2ri.activate()

keras = importr("keras")
saveRDS = robjects.r["saveRDS"]

# 从Python模型导出结构（JSON）和权重（numpy数组）
model_json = model.to_json()
weights = model.get_weights()

# 将JSON结构转为R字符对象
r_model_json = robjects.StrVector([model_json])

# 在R中重建模型并设置权重
r_model = keras.model_from_json(r_model_json[0])
r_model$set_weights(weights)

# 保存为RDS文件
saveRDS(r_model, "model.rds")

注意事项 #

• 确保R环境的keras包版本与Python端的Keras/TensorFlow版本尽量匹配，避免因版本差异导致模型加载失败
• 若R环境未配置keras，需先在R中执行install.packages("keras")和keras::install_keras()完成环境配置

内容的提问来源于stack exchange，提问作者Shay