serialize_keras_object 函数tf_keras.utils.serialize_keras_object(obj)
通过序列化 TF-Keras 对象来获取配置字典。
serialize_keras_object() 将一个 TF-Keras 对象序列化为一个表示该对象的 Python 字典，它是 deserialize_keras_object() 的互逆函数。有关配置格式的更多信息，请参阅 deserialize_keras_object()。
参数
返回值
表示该对象的 Python 字典。该 Python 字典可以通过 deserialize_keras_object() 反序列化。
deserialize_keras_object 函数tf_keras.utils.deserialize_keras_object(
config, custom_objects=None, safe_mode=True, **kwargs
)
通过反序列化配置字典来获取对象。
配置字典是一个 Python 字典，由一组键值对组成，用于表示一个 TF-Keras 对象，例如 Optimizer、Layer、Metrics 等。保存和加载库使用以下键来记录 TF-Keras 对象的信息：
class_name：字符串。这是类的名称，与其在源代码中的定义完全一致，例如 "LossesContainer"。config：字典。库定义或用户定义的键值对，用于存储对象的配置，通过 object.get_config() 获取。module：字符串。Python 模块的路径，例如 "keras.engine.compile_utils"。内置的 TF-Keras 类应具有前缀 keras。registered_name：字符串。通过 keras.saving.register_keras_serializable(package, name) API 注册类时使用的键。键的格式为 '{package}>{name}'，其中 package 和 name 是传递给 register_keras_serializable() 的参数。如果未提供 name，则使用类名。如果 registered_name 成功解析为已注册的类，则不会使用字典中的 class_name 和 config 值。registered_name 仅用于非内置类。例如，以下字典表示内置的 Adam 优化器及其相关配置：
dict_structure = {
"class_name": "Adam",
"config": {
"amsgrad": false,
"beta_1": 0.8999999761581421,
"beta_2": 0.9990000128746033,
"decay": 0.0,
"epsilon": 1e-07,
"learning_rate": 0.0010000000474974513,
"name": "Adam"
},
"module": "keras.optimizers",
"registered_name": None
}
# Returns an `Adam` instance identical to the original one.
deserialize_keras_object(dict_structure)
如果类没有导出的 TF-Keras 命名空间，库会通过其 module 和 class_name 来跟踪。例如：
dict_structure = {
"class_name": "LossesContainer",
"config": {
"losses": [...],
"total_loss_mean": {...},
},
"module": "keras.engine.compile_utils",
"registered_name": "LossesContainer"
}
# Returns a `LossesContainer` instance identical to the original one.
deserialize_keras_object(dict_structure)
以下字典表示用户定制的 MeanSquaredError 损失函数：
@keras.saving.register_keras_serializable(package='my_package')
class ModifiedMeanSquaredError(keras.losses.MeanSquaredError):
...
dict_structure = {
"class_name": "ModifiedMeanSquaredError",
"config": {
"fn": "mean_squared_error",
"name": "mean_squared_error",
"reduction": "auto"
},
"registered_name": "my_package>ModifiedMeanSquaredError"
}
# Returns the `ModifiedMeanSquaredError` object
deserialize_keras_object(dict_structure)
参数
lambda 反序列化。当 safe_mode=False 时，加载对象有可能触发任意代码执行。此参数仅适用于 TF-Keras v3 模型格式。默认为 True。返回值
由 config 字典描述的对象。
CustomObjectScope 类tf_keras.saving.custom_object_scope(*args)
将自定义类/函数暴露给 TF-Keras 反序列化内部机制。
在 with custom_object_scope(objects_dict) 作用域下，TF-Keras 方法（如 tf.keras.models.load_model 或 tf.keras.models.model_from_config）将能够反序列化保存的配置（例如自定义层或指标）中引用的任何自定义对象。
示例
考虑一个自定义正则化器 my_regularizer
layer = Dense(3, kernel_regularizer=my_regularizer)
# Config contains a reference to `my_regularizer`
config = layer.get_config()
...
# Later:
with custom_object_scope({'my_regularizer': my_regularizer}):
layer = Dense.from_config(config)
参数
{名称: 对象} 对组成的字典。get_custom_objects 函数tf_keras.saving.get_custom_objects()
检索全局自定义对象字典的实时引用。
使用 custom_object_scope 设置的自定义对象不会添加到全局自定义对象字典中，也不会出现在返回的字典中。
示例
get_custom_objects().clear()
get_custom_objects()['MyObject'] = MyObject
返回值
将注册的类名称映射到类的全局字典。
register_keras_serializable 函数tf_keras.saving.register_keras_serializable(package="Custom", name=None)
在 TF-Keras 序列化框架中注册一个对象。
此装饰器将修饰的类或函数注入 TF-Keras 自定义对象字典中，以便在没有用户提供的自定义对象字典条目的情况下也能进行序列化和反序列化。它还会注入一个函数，TF-Keras 将调用该函数来获取对象的序列化字符串键。
请注意，为了能够进行序列化和反序列化，类必须实现 get_config() 方法。函数没有此要求。
对象将注册在键 'package>name' 下，其中 name 如果未传递，则默认为对象名称。
示例
# Note that `'my_package'` is used as the `package` argument here, and since
# the `name` argument is not provided, `'MyDense'` is used as the `name`.
@keras.saving.register_keras_serializable('my_package')
class MyDense(keras.layers.Dense):
pass
assert keras.saving.get_registered_object('my_package>MyDense') == MyDense
assert keras.saving.get_registered_name(MyDense) == 'my_package>MyDense'
参数
key (即 "package>name") 来标识类。请注意，这是传递给装饰器的第一个参数。None，则使用类的名称（请注意，当装饰器仅带有一个参数时，该参数成为 package，此时适用此情况）。返回值
一个装饰器，用于使用传递的名称注册被修饰的类。