tf.keras.models.clone_model克隆模型时是否应保留对象哈希值？

Python中未自定义__hash__方法的类实例，调用内置hash()时的计算依据是对象的内存地址，和对象本身存储的内容、属性没有关系，这是克隆后哈希值不相等的核心原因。

• tf.keras.models.clone_model()生成的是完全独立的新模型实例，哪怕和原模型的网络结构、初始权重完全一致，也会被分配独立的内存空间，属于两个不同的Python对象，哈希值自然不会相等。
• 只有两个变量指向同一个内存地址的对象（可通过model is target_model返回True判断）时，二者的默认哈希值才会一致。哪怕两个对象内容100%相同，只要内存地址不同，默认哈希就会不同。
• 深度Q网络训练场景下，不要用hash()校验模型克隆的一致性。正确的校验方式是对比模型结构配置、逐元素对比权重张量数值，示例代码如下：

# 逐元素对比两个模型的所有权重是否完全相等
weight_match = tf.nest.map_structure(
    lambda w1, w2: tf.reduce_all(tf.equal(w1, w2)),
    model.weights,
    target_model.weights
)
all_weight_equal = all(weight_match)

提示：所有未重写__hash__方法的Python对象都遵循这个哈希规则，不止TensorFlow Keras模型，PyTorch模型、普通自定义类实例都是如此。如果需要基于模型内容生成可对比的哈希值，需要先序列化模型的结构和权重，再对序列化后的二进制内容计算哈希。

内容的提问来源于stack exchange，提问作者Della