基于Keras Tuner的双向LSTM调用save_model()保存h5格式报错问题

问题根因 #

该报错不是双向LSTM层本身的配置错误，是TensorFlow 2.4.1与Keras Tuner 1.0.4版本的兼容问题，核心是Bidirectional包装层的权重注册逻辑和Sequential模型隐式构建逻辑不匹配：

ValueError：sequential模型权重尚未创建，权重会在模型首次传入输入调用或传入input_shape调用build()方法时生成

• 普通LSTM层不需要额外的包装器，训练时喂入数据完成隐式构建后，权重元信息可以被h5序列化接口完整识别，因此可以正常保存
• Keras Tuner返回的最优模型如果是没有显式指定输入形状的Sequential结构，Bidirectional包装的内部层权重元信息不会被完整注册到模型的序列化追踪链中，即使完成训练也会被判定为权重未初始化，导致保存失败

修复方案 #

方案1：构建模型时显式指定输入形状 #

在模型第一层显式声明输入维度，避免隐式构建：

# 写法1：添加独立Input层
model = Sequential([
    Input(shape=(time_steps, feature_dim)), # time_steps为时序步长，feature_dim为单时间步特征数
    Bidirectional(LSTM(units=hp.Int('units', 32, 128, step=16), return_sequences=True)),
    # 其余层定义
])

# 写法2：在双向层直接传入input_shape参数
model.add(Bidirectional(LSTM(64)), input_shape=(time_steps, feature_dim))

方案2：保存模型前手动触发build #

如果不想修改模型构建逻辑，拿到训练完成的最优模型后，先调用build方法补全权重注册再保存：

best_model = tuner.get_best_models(num_models=1)[0]
# 输入形状和训练数据保持一致，batch维度填None即可
best_model.build(input_shape=(None, time_steps, feature_dim))
tf.keras.models.save_model(best_model, 'bilstm_best.h5')

方案3：升级依赖版本 #

该序列化兼容问题在TensorFlow 2.6+、Keras Tuner 1.1+版本中已被官方修复，升级对应依赖即可直接解决。

内容的提问来源于stack exchange，提问作者dl.meteo