使用get_config layers方法获取配置：
返回层的配置。
一个层配置是一个Python字典（可序列化），包含一个层的配置。相同的层可以在以后从这个配置中重新示例化（没有它的训练权重）。
例如：

cat_word_list = ['cat', 'tiger', 'lion', 'dog']
cat_index = tf.keras.layers.StringLookup(vocabulary=cat_word_list)
cat_encoder = tf.keras.layers.CategoryEncoding(num_tokens=cat_index.vocabulary_size(), output_mode="one_hot")

cat_index_config = cat_index.get_config()
cat_encoder_config = cat_encoder.get_config()

其中应包含重新创建层所需的所有信息：

cat_index_config

输出量：

{'name': 'string_lookup',
 'trainable': True,
 'dtype': 'int64',
 'invert': False,
 'max_tokens': None,
 'num_oov_indices': 1,
 'oov_token': '[UNK]',
 'mask_token': None,
 'output_mode': 'int',
 'sparse': False,
 'pad_to_max_tokens': False,
 'vocabulary': ListWrapper(['cat', 'tiger', 'lion', 'dog']),
 'idf_weights': None,
 'encoding': 'utf-8'}

可以按如下方式重新创建层：

cat_index_2 = tf.keras.layers.StringLookup(**cat_index_config)
cat_encoder_2 = tf.keras.layers.CategoryEncoding(**cat_encoder_config)

各层具有相同的配置，例如

cat_index_2.get_config()

输出量：

{'name': 'string_lookup',
 'trainable': True,
 'dtype': 'int64',
 'invert': False,
 'max_tokens': None,
 'num_oov_indices': 1,
 'oov_token': '[UNK]',
 'mask_token': None,
 'output_mode': 'int',
 'sparse': False,
 'pad_to_max_tokens': False,
 'vocabulary': ListWrapper(['cat', 'tiger', 'lion', 'dog']),
 'idf_weights': None,
 'encoding': 'utf-8'}