1) 我尝试在使用TF后端的Keras中重命名模型和层，因为我在一个脚本中使用多个模型。 类模型似乎具有模型名称属性model.name，但当我更改它时，会出现"AttributeError：无法设置属性"的错误。 问题出在哪里？
2) 此外，我正在使用顺序API，并且希望为层命名，这似乎可以通过Functional API完成，但我没有找到顺序API的解决方案。是否有人知道如何在顺序API中完成这一点？
更新至2): 对层进行命名是可行的，尽管似乎没有记录。只需添加参数name，例如model.add(Dense(...,...,name="hiddenLayer1")。注意，具有相同名称的层共享权重！
如果您想要使用tf.keras更改模型层的名称，可以使用以下代码：
for layer in model.layers:
layer._name = layer.name + str("_2")
我在使用双输入模型时也遇到了"AttributeError: can't set attribute"的问题。原因是有一个不可见的隐藏属性_name导致了冲突。
._name 而不是 .name，它可以工作。 - N.IT不再适用于tf2+版本
关于模型名称的第一个问题在我的电脑上无法重现。 我可以像这样设置它。很多时候，这些错误是由软件版本引起的。
model=Sequential()
model.add(Dense(2,input_shape=(....)))
model.name="NAME"
关于给层命名，在Sequential模型中可以这样做
model=Sequential()
model.add(Dense(2,input_shape=(...),name="NAME"))
最新解决方案
使用 _name
model.name 使用了属性装饰器，无法被覆盖。然而，属性 model._name 可以被覆盖。 - NameVergessen在TF2.2.0中重命名keras模型的方法如下:
model._name = "newname"
我不确定这是否是个好主意-官方似乎不希望你这么做，但它确实有效。为了确认，调用model.summary()，你会看到新的模型名称。
如果你想使用Tensorflow Keras，可以这样做：
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential(name='Name')
model.add(Dense(2,input_shape=(5, 1)))
如果您正在使用Keras功能API，可以通过以下方式定义模型和层名称，以涵盖所有选项：
inputs = Input(shape=(value, value))
output_layer = Dense(2, activation = 'softmax', name = 'training_output')(dropout_new_training_layer)
model = Model(inputs= inputs, outputs=output_layer, name="my_model")
要在模型中仅更改一个层的名称，您可以使用以下行：
my_model.layers[0]._name = 'my_new_name_for_the_first_layer'
my_model.layers[1]._name = 'my_new_name_for_the_second_layer'
my_model.layers[-1]._name = 'my_new_name_for_the_last_layer'
layer.name = "new_name" 或 layer._name = "new_name" 并不能奏效。这篇博客文章提供了适用于该情况的解决方案。详细答案在这里 如何重命名预训练模型？ValueError 'Trained Model'不是有效的作用域名称
当我们正在开发模型并准备进行训练时，我们可以使用model.name = "Model_Name"。我们也可以给层命名。例如：
model = Sequential()
model.name = "My_Model" #Naming model
model.add(Dense(2,input_shape=(...),name="Name") #Naming layer
def name_custom_activation(activation):
""" Currently, the Tensorflow library does not provide auto
incrementation for custom layer names. Tensorflow Graphs
requires each layer to have a unique name. Manually
incrementing layer names is annoying. The following trick
is the best method to change a layer name. It is especially
useful when using tf.keras.utils.plot_model to look at
synergistic activation models.
"""
class_name = tf.keras.layers.Activation.__name__
tf.keras.layers.Activation.__name__ = f'Activation_{activation.__name__}'
activation_layer = tf.keras.layers.Activation(activation)
tf.keras.layers.Activation.__name__ = class_name
return activation_layer
def my_custom_activation(x):
return ... # Create your own activation function.
def create_model():
return ... # Add your own model, which uses your custom activation.
model = create_model()
tf.keras.utils.plot_model(model, show_shapes=True)
对于第一点，我认为你可以构建另一个模型，名称正确且与现有模型结构相同。然后将现有模型的层权重设置到新模型的层。