TensorFlow2.0训练交通标志模型后pickle序列化出现无法序列化_thread._local报错

TensorFlow/Keras的模型实例内部包含无法被pickle序列化的线程本地存储对象、计算图上下文等资源，原生不支持直接用pickle序列化整个模型对象，因此会抛出该TypeError异常。

推荐使用Keras官方提供的模型序列化接口，替换原有pickle保存代码即可，你当前使用的TensorFlow 2.0.0 + Keras 2.3.1版本完全支持下述用法：

方案1：保存完整模型（包含结构、权重、编译配置） #

该方案不需要后续重新定义模型结构，直接加载即可使用，是最常用的方案。

保存代码 #

替换原代码末尾的pickle保存部分：

# 保存完整模型
model.save("model_trained.h5")

加载代码 #

from tensorflow.keras.models import load_model
model = load_model("model_trained.h5")

方案2：仅保存模型权重 #

如果不需要保留编译配置，可选择只保存权重，文件体积更小，加载时需要先定义和训练时结构完全一致的模型。

保存代码 #

model.save_weights("model_trained_weights.h5")

加载代码 #

# 先初始化和训练时结构完全一致的模型
model = myModel()
# 加载权重
model.load_weights("model_trained_weights.h5")

注意事项 #

如果运行保存代码时提示缺少h5py依赖，执行pip install h5py==2.10.0安装适配版本即可。

内容的提问来源于stack exchange，提问作者butterf0kker