serialize_keras_object 函数keras.saving.serialize_keras_object(obj)
通过序列化 Keras 对象来检索配置字典。
serialize_keras_object() 将 Keras 对象序列化为一个表示该对象的 Python 字典，它是 deserialize_keras_object() 的逆函数。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() 进行反序列化。
deserialize_keras_object 函数keras.saving.deserialize_keras_object(
config, custom_objects=None, safe_mode=True, **kwargs
)
通过反序列化配置字典来检索对象。
配置字典是一个 Python 字典，由一组键值对组成，表示一个 Keras 对象，例如 Optimizer、Layer、Metrics 等。保存和加载库使用以下键来记录 Keras 对象的信息
class_name: 字符串。这是类的名称，与源代码中精确定义的一致，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。内置 Keras 类期望具有前缀 keras。registered_name: 字符串。通过 keras.saving.register_keras_serializable(package, name) API 注册此类时使用的键。该键的格式为 '{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 成功解析为某个类（已注册），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，以下字典表示带有相关配置的内置 Adam 优化器
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 Keras 命名空间，则库通过其 module 和 class_name 来跟踪它。例如
dict_structure = {
"class_name": "MetricsList",
"config": {
...
},
"module": "keras.trainers.compile_utils",
"registered_name": "MetricsList"
}
# Returns a `MetricsList` instance identical to the original one.
deserialize_keras_object(dict_structure)
以下字典表示用户自定义的 MeanSquaredError 损失
@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，加载对象可能触发任意代码执行。此参数仅适用于 Keras v3 模型格式。默认为 True。返回值
由 config 字典描述的对象。
CustomObjectScope 类keras.saving.custom_object_scope(custom_objects)
将自定义类/函数暴露给 Keras 反序列化内部机制。
在范围 with custom_object_scope(objects_dict) 下，Keras 方法（例如 keras.models.load_model() 或 keras.models.model_from_config()）将能够反序列化保存的配置引用的任何自定义对象（例如自定义层或指标）。
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
{str: object} 对的字典，其中 str 键是对象名称。get_custom_objects 函数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keras.saving.register_keras_serializable(package="Custom", name=None)
向 Keras 序列化框架注册对象。
此装饰器将装饰的类或函数注入 Keras 自定义对象字典，以便无需在用户提供的自定义对象字典中输入即可进行序列化和反序列化。它还注入一个函数，Keras 将调用该函数来获取对象的序列化字符串键。
请注意，要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 如果未传入，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`.
@register_keras_serializable('my_package')
class MyDense(keras.layers.Dense):
pass
assert get_registered_object('my_package>MyDense') == MyDense
assert get_registered_name(MyDense) == 'my_package>MyDense'
参数
key（即 "package>name"）以识别类。请注意，这是传递给装饰器的第一个参数。None，将使用类名（请注意，当装饰器仅使用一个参数时，该参数即为 package，此时会使用类名）。返回值
一个装饰器，用于使用传入的名称注册被装饰的类。