' doc2vec‘对象没有属性’输出‘，同时为tensorflow服务保存doc2vec

Question

我一直试图从github保存一个电影推荐模型，然后使用tf服务服务。下面的代码将首先从我的语料库中创建一个taggs列表，然后根据这些列表提供向量。

mv_tags_doc = [TaggedDocument(words=(D), tags=[str(i)]) for i, D in enumerate(mv_tags_corpus)]

max_epochs = 50
vec_size = 20
alpha = 0.025

model = Doc2Vec(alpha=alpha, 
               min_alpha=0.00025,
               min_count=1,
               dm=0) # paragraph vector distributed bag-of-words (PV-DBOW)
 
model.build_vocab(mv_tags_doc)

print('Epoch', end = ': ')
for epoch in range(max_epochs):
 print(epoch, end = ' ')
 model.train(mv_tags_doc,
             total_examples=model.corpus_count,
             epochs=model.epochs)
 # decrease the learning rate
 model.alpha -= 0.0002
 # fix the learning rate, no decay
 model.min_alpha = model.alpha

当我尝试使用可用的文档这里保存它时

import tempfile

MODEL_DIR = tempfile.gettempdir()
version = 1
export_path = os.path.join(MODEL_DIR, str(version))
print('export_path = {}\n'.format(export_path))

tf.keras.models.save_model(
    model,
    export_path,
    overwrite=True,
    include_optimizer=True,
    save_format=None,
    signatures=None,
    options=None
)

print('\nSaved model:')
!ls -l {export_path}

我知道这个错误

AttributeError                            Traceback (most recent call last)
/tmp/ipykernel_563154/3914941631.py in <module>
      6 print('export_path = {}\n'.format(export_path))
      7 
----> 8 tf.keras.models.save_model(
      9     model,
     10     export_path,

~/anaconda3/lib/python3.9/site-packages/keras/utils/traceback_utils.py in error_handler(*args, **kwargs)
     65     except Exception as e:  # pylint: disable=broad-except
     66       filtered_tb = _process_traceback_frames(e.__traceback__)
---> 67       raise e.with_traceback(filtered_tb) from None
     68     finally:
     69       del filtered_tb

~/anaconda3/lib/python3.9/site-packages/keras/saving/saving_utils.py in try_build_compiled_arguments(model)
    319 def try_build_compiled_arguments(model):
    320   if (not version_utils.is_v1_layer_or_model(model) and
--> 321       model.outputs is not None):
    322     try:
    323       if not model.compiled_loss.built:

AttributeError: 'Doc2Vec' object has no attribute 'outputs'

Answer 1

我不希望tf.keras.models.suave_model()函数(它的命名听起来是特定于TensorFlow & Keras )工作在Gensim Doc2Vec模型上，它不是TensorFlow或Keras的一部分，也不是TensorFlow或Keras的相关模型。

查看save_model()，我看到它声明的功能是：

将模型保存为TensorFlow SavedModel或HDF5文件。

"TensorFlow SavedModel“和"HDF5文件”都不应该被期望为足够的格式来保存另一个项目的自定义模型(在本例中是一个Gensim Doc2Vec对象)，除非它特别声称它是一种功能。因此，某种类型的失败或错误，这里是预期的行为。

如果您真正的目标是以后能够重新加载模型，那么根本不涉及TensorFlow/Keras。你可以：

1. 使用Python的内部pickle机制，或
2. 使用方法来对Gensim包中的类进行建模。，它使用自己的pickel-numpy-based保存格式。例如：

filename = 'my_doc2vec_model'
initial_model.save(filename)

请注意，这样的保存可能会分散在几个相关的文件上，所有这些文件都是从您提供的相同字符串开始的，这些字符串应该放在一起。(也就是说，在上面的代码之后，确保将以字符串'my_doc2vec_model'开头的任何和所有文件放在一起。)

然后通过调用预期模型类上的.load()重新加载：

reloaded_model = Doc2Vec.load(filename)

另外:您的Doc2Vec代码显示了许多不好的做法。使用如此低的min_count=1几乎总是一个坏主意，用这种算法来减缓训练和恶化结果。在您自己的循环中多次调用alpha，自己减少.train()，就是不必要的复杂和易出错。无论哪种模板/教程认为这种方法可能是不好的。