运行example文件夹下的代码，想把模型保存为save model格式，同样方式dssm模型成功保存，youtubematch、sdm、mind却保存报错

[Outstandingwinner]

python3.6.5 tensorflow 2.2
想把模型保存为save model格式，dssm模型成功保存，youtubematch、sdm、mind模型报错
user_embedding_model = Model(inputs=model.user_input, outputs=model.user_embedding)
item_embedding_model = Model(inputs=model.item_input, outputs=model.item_embedding)

用keras.models.save_model保存模型

from tensorflow import keras
keras.models.save_model(user_embedding_model,"./models")

报错如下:
\Python36\site-packages\tensorflow\python\keras\saving\saved_model\save_impl.py", line 566, in call_and_return_conditional_losses
return layer_call(inputs, *args, **kwargs), layer.get_losses_for(inputs)
TypeError: call() missing 1 required positional argument: 'state'

用tf.saved_model.save保存模型

tf.saved_model.save(user_embedding_model,"./models")
报错如下:
\Python36\site-packages\tensorflow\python\keras\saving\saved_model\save_impl.py", line 566, in call_and_return_conditional_losses
return layer_call(inputs, *args, **kwargs), layer.get_losses_for(inputs)
TypeError: call() missing 1 required positional argument: 'state'

先保存为h5再读取保存为savemodel

user_embedding_model.save("./models/models.h5")
pre_model = tf.keras.models.load_model("./models/models.h5")
pre_model.save("./models/output")
报错如下:
\Python36\site-packages\tensorflow\python\keras\utils\generic_utils.py", line 321, in class_and_config_for_serialized_keras_object
raise ValueError('Unknown ' + printable_module_name + ': ' + class_name)
ValueError: Unknown layer: NoMask

deepmatch模型example代码中dsssm成功保存，其它模型保存失败。因为线上调用模型需要将模型保存为saveModel格式，而非h5。请问能否解决一下这个问题？

[shuDaoNan9]

这都被你发现了，你是一个个都试过存pb格式了么？看样子用类似Java调模型的不多，都走TensorFlow serving实时推荐的去了吧

[shuDaoNan9]

还是自己动手改造到TF2版本后，再直接存为savemodel吧。马上过年了，正好有时间弄了

[Outstandingwinner]

这都被你发现了，你是一个个都试过存pb格式了么？看样子用类似Java调模型的不多，都走TensorFlow serving实时推荐的去了吧

不管是Java调模型还是用tensorflow-serving都需要调用pb文件

[Outstandingwinner]

还是自己动手改造到TF2版本后，再直接存为savemodel吧。马上过年了，正好有时间弄了

这个代码本来就是TF2可以成功运行的。

[shuDaoNan9]

这都被你发现了，你是一个个都试过存pb格式了么？看样子用类似Java调模型的不多，都走TensorFlow serving实时推荐的去了吧

不管是Java调模型还是用tensorflow-serving都需要调用pb文件

在训练完后单独保存embeding后的特征向量，然后自己在其它程序里面算物品和用户向量的得分取topn也是能算的，此时甚至不需要保存模型本身。

[shuDaoNan9]

还是自己动手改造到TF2版本后，再直接存为savemodel吧。马上过年了，正好有时间弄了

这个代码本来就是TF2可以成功运行的。

这个不是纯TF2，兼容TF1/2还是有差别的

[chenkejin]

这个问题主要是因为core文件中不能用list 方式创建layer，你将其改为字典，而且字典的key必须为字符串
修改deepctr/layers/core.py
self.activation_layers={}
for i in range(len(self.hidden_units)):
self.activation_layers[str(i)]=activation_layer(self.activation)
# self.activation_layers = [activation_layer(self.activation) for _ in range(len(self.hidden_units))]
# print("activation num:", len(self.activation_layers))
if self.output_activation:
# self.activation_layers[-1] = activation_layer(self.output_activation)
self.activation_layers[str(len(self.hidden_units)-1)] = activation_layer(self.output_activation)

[guixianjin]

这个问题主要是因为core文件中不能用list 方式创建layer，你将其改为字典，而且字典的key必须为字符串 修改deepctr/layers/core.py self.activation_layers={} for i in range(len(self.hidden_units)): self.activation_layers[str(i)]=activation_layer(self.activation) # self.activation_layers = [activation_layer(self.activation) for _ in range(len(self.hidden_units))] # print("activation num:", len(self.activation_layers)) if self.output_activation: # self.activation_layers[-1] = activation_layer(self.output_activation) self.activation_layers[str(len(self.hidden_units)-1)] = activation_layer(self.output_activation)

确实有效。
补充一下，再改一下 deepctr/layers/core.py 文件中：

                # fc = self.activation_layers[i](fc, training=training)
                fc = self.activation_layers[str(i)](fc, training=training)
                # fc = self.activation_layers[i](fc)
                fc = self.activation_layers[str(i)](fc)

然后用 tf.saved_model.save() 即可保存 pb 格式文件。

[marzooq-unbxd]

Was this solved for everyone?
I still cant fix this for sdm, is the change only required in deepctr?
Could this have any impact (DynamicMultiRNN in DeepMatch)

DeepMatch/deepmatch/layers/sequence.py

Line 56 in 5dab795

cell_list.append(single_cell_residual)