我有一个基于TableNet和VGG19的模型，用于训练和保存路径的数据（Marmoot）Map到数据库存储（使用Azure）。
我尝试用以下方法保存它，但在Databricks上出现以下错误：
1.* * 第一种方法：**

import pickle
pickle.dump(model, open(filepath, 'wb'))

这将保存模型并提供以下输出：

WARNING:absl:Found untraced functions such as _jit_compiled_convolution_op, _jit_compiled_convolution_op, _jit_compiled_convolution_op, _jit_compiled_convolution_op, _jit_compiled_convolution_op while saving (showing 5 of 31). These functions will not be directly callable after loading.

现在，当我尝试使用以下命令重新加载模式时：

loaded_model = pickle.load(open(filepath, 'rb'))

我得到了以下错误（Databricks除了以下错误外还显示了整个stderr和stdout，但这是要点）：

ValueError: Unable to restore custom object of type _tf_keras_metric. Please make sure that any 
custom layers are included in the `custom_objects` arg when calling `load_model()` and make 
sure that all layers implement `get_config` and `from_config`.

1.* * 第二种方法：**

model.save(filepath)

而对于，我得到了以下错误：

Fatal error: The Python kernel is unresponsive.
The Python process exited with exit code 139 (SIGSEGV: Segmentation fault).

The last 10 KB of the process's stderr and stdout can be found below. See driver logs for full logs.
---------------------------------------------------------------------------
Last messages on stderr:
Mon Jan  9 08:04:31 2023 Connection to spark from PID  1285
Mon Jan  9 08:04:31 2023 Initialized gateway on port 36597
Mon Jan  9 08:04:31 2023 Connected to spark.
2023-01-09 08:05:53.221618: I tensorflow/core/platform/cpu_feature_guard.cc:193] This 
TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the 
following CPU 
instructions in performance-critical operations:  AVX2 FMA

更重要的是，很难从所有的stderr和stdout中找到正确的错误位置。它显示了整个stderr和stdout，这使得很难找到解决方案（它显示了所有的stderr和stdout，包括训练和所有内容）
1.* * 第三种办法（部分）：**
我也试过：

model.save_weights(weights_path)

但是我又一次无法重新加载它们（这种方法尝试得最少）
此外，我尝试通过添加以下内容来保存检查点：

model_checkpoint = tf.keras.callbacks.ModelCheckpoint(filepath, monitor = "val_table_mask_loss", verbose = 1, save_weights_only=True)

作为fit方法（callbacks=[model_checkpoint]）中的回调，但在第一个时期结束时，它将生成以下错误（我显示了Traceback的结束）：

h5py/_objects.pyx in h5py._objects.with_phil.wrapper()
h5py/_objects.pyx in h5py._objects.with_phil.wrapper()
h5py/h5f.pyx in h5py.h5f.create()
OSError: Unable to create file (file signature not found)

当我在非Databricks平台上使用第二种方法时，它工作正常，但是当我尝试加载模型时，我得到了一个类似于第一种方法加载的错误。

更新1

我尝试保存到的变量filepath是dbfs引用，而dbfsMap到数据标记存储

更新2

当按照评论中的建议尝试使用以下answer时，我得到了以下错误：

----> 3 model2 = keras.models.load_model("/tmp/model-full2.h5")
...
ValueError: Unknown layer: table_mask. Please ensure this object is passed to the `custom_objects` argument. See https://www.tensorflow.org/guide/keras/save_and_serialize#registering_the_custom_object for details.

更新3：

因此，我尝试按照错误加上这个answer：

model2 = keras.models.load_model("/tmp/model-full2.h5", custom_objects={'table_mask': table_mask})

但是我得到了以下错误：

TypeError: 'KerasTensor' object is not callable