运行时错误: 无法创建链接 (名称已存在) Keras

Question

当我保存我的模型时，我收到以下错误信息：

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-40-853303da8647> in <module>()
      7 
      8 
----> 9 model.save(outdir+'model.h5')
     10 
     11 
5 frames
/usr/local/lib/python3.6/dist-packages/h5py/_hl/group.py in __setitem__(self, name, obj)
    371 
    372             if isinstance(obj, HLObject):
--> 373                 h5o.link(obj.id, self.id, name, lcpl=lcpl, lapl=self._lapl)
    374 
    375             elif isinstance(obj, SoftLink):

h5py/_objects.pyx in h5py._objects.with_phil.wrapper()

h5py/_objects.pyx in h5py._objects.with_phil.wrapper()

h5py/h5o.pyx in h5py.h5o.link()

RuntimeError: Unable to create link (name already exists)

当我使用内置层或其他用户定义的层构建我的模型时，不会发生这种情况。只有当我使用这个特定的用户定义层时才会出现这个错误：

class MergeTwo(keras.layers.Layer):

def __init__(self, nout, **kwargs):
    super(MergeTwo, self).__init__(**kwargs)
    self.nout = nout


    self.alpha = self.add_weight(shape=(self.nout,), initializer='zeros',
                             trainable=True)

    self.beta = self.add_weight(shape=(self.nout,), initializer='zeros',
                             trainable=True)

def call(self, inputs):
    A, B = inputs
    result = keras.layers.add([self.alpha*A ,self.beta*B])
    result = keras.activations.tanh(result)
    return result


def get_config(self):
    config = super(MergeTwo, self).get_config()
    config['nout'] = self.nout
    return config

我阅读了文档，但是没有任何作用，我无法弄清原因。我正在使用Google Colab和Tensorflow版本2.2.0。

- Drugo

---

我会尝试为您的两个权重变量命名（使用name参数添加权重），看看是否解决了问题。 - Dr. Snoopy

它运行了，非常感谢！ - Drugo

Answer 1

我认为问题在于您的两个权重变量在内部具有相同的名称，这不应该发生，您可以使用name参数为它们命名，例如add_weight：

self.alpha = self.add_weight(shape=(self.nout,), initializer='zeros',
                         trainable=True, name="alpha")

self.beta = self.add_weight(shape=(self.nout,), initializer='zeros',
                         trainable=True, name="beta")

这应该可以解决问题。

- Dr. Snoopy

Answer 2

我找到了另一种解决方案，尽管情境不同。 我正在使用Keras-tuner进行一些超参数调整，当构建（例如4个模型）时，每个模型的层都会有相同的名称。 因为我正在将网络深度作为参数进行测试，所以我的组中会有多个lstm，lstm_1和dense层。下面是单个模型的示例供参考。

Layer (type)                 Output Shape              Param# 
=================================================================
lstm (LSTM)                  (None, 12, 320)           536320
_________________________________________________________________
lstm_1 (LSTM)                (None, 12, 64)            98560
_________________________________________________________________
dense (Dense)                (None, 12, 1)             65

我发现使用名称参数更改图层的名称，使其成为唯一的，这样就不会出现此错误。 以下是举例说明：

unique_id = random.randint(1,99999999) # quite unlike 
model.add(LSTM(64, name="my_layer_name_{}".format(unique_id))) 

当将unique_id添加到自定义名称中时，我确保keras-tuner组中每个模型的每个层都具有唯一的层。

在您的情况下，您只有一个模型，但是由于层是自定义的，我不太确定如何命名它们（考虑到它们当前的格式）。 您能否确认这是否正确？

- Emil

Answer 3

对已接受答案的补充

即使没有自定义权重或层，您也可能遇到完全相同的错误。在Jupyter笔记本中，在重新编译已加载的检查点后，根据优化器的不同，可能会出现优化器权重具有重复名称的情况。为了消除不良状态而不丢失已训练的模型：

model.save("model.h5", include_optimizer=False)
# Restart kernel
model = load_model("model.h5")
model.compile(**args)

我在这里留下这个不是作为问题的严格答案，而是一个更广泛的提示。仅仅因为当我搜索这个问题时，这个线程是第一个弹出来的。

- Chad Broski