已训练的TensorFlow自编码器保存时出现compiled metrics未构建警告如何解决

你完成编译、全量训练的对象是完整的自编码器model，后续单独定义的encoder是全新的独立Keras模型，既没有执行compile编译操作，也没有单独针对它做训练，直接调用save方法保存时，TensorFlow检测到该模型无编译相关状态配置，就会触发该警告。

• 如果你保存encoder仅用于后续特征提取推理，不需要再训练，该警告完全不影响正常使用，可以直接忽略。
• 如果你需要消除警告，可二选其一操作：
  1. 保存时关闭优化器状态存储：修改save语句为encoder.save('drive/MyDrive/encoder_rf.h5', include_optimizer=False)，不需要存储训练相关的优化器信息，自然不会触发编译状态检查。
  2. 若后续需要对encoder做微调训练，可在保存前对它执行编译：增加一行代码encoder.compile(optimizer='adam', loss='binary_crossentropy')后再保存即可。

你当前的模型结构代码存在逻辑错误：
编码器的四层全连接层输入都接了初始输入visible，属于并行结构，最终只有最后一层50神经元的输出有效，前面三层代码完全不生效；解码器同理，所有全连接层输入都接了bottleneck，也只有最后一层300神经元的输出有效。如果你设计的是串行堆叠结构，需要将每层输入改为上一层的输出，修改示例如下：

# 编码器正确串行写法
e = Dense(300)(visible)
e = ReLU()(e)
e = Dropout(0.05)(e)

# 下一层输入是上一层的输出e，不是visible
e = Dense(200)(e)
e = ReLU()(e)
e = Dropout(0.05)(e)

# 后续编码器层、解码器层都按照该逻辑修改即可

你提供的训练过程截图如下：

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