python报错：“TypeError: can't pickle _thread.RLock objects” “ValueError: No model found in config file”

TypeError: can’t pickle _thread.RLock objects

在使用Keras框架，保存模型的代码是：

 ModelCheckpoint(
                filepath=os.path.join(self.config.callbacks.checkpoint_dir, '%s-{epoch:02d}-{val_loss:.2f}.hdf5' % self.config.exp.name),
                monitor=self.config.callbacks.checkpoint_monitor,
                mode=self.config.callbacks.checkpoint_mode,
                save_best_only=self.config.callbacks.checkpoint_save_best_only,
                save_weights_only=self.config.callbacks.checkpoint_save_weights_only,
                verbose=self.config.callbacks.checkpoint_verbose,
            )

ModelCheckpoint

keras.callbacks.ModelCheckpoint(filepath, monitor=‘val_loss’, verbose=0, save_best_only=False, save_weights_only=False, mode=‘auto’, period=1)

该回调函数将在每个epoch后保存模型到filepath

filepath可以是格式化的字符串，里面的占位符将会被epoch值和传入on_epoch_end的logs关键字所填入

例如，filepath若为weights.{epoch:02d-{val_loss:.2f}}.hdf5，则会生成对应epoch和验证集loss的多个文件。
参数

filename：字符串，保存模型的路径

monitor：需要监视的值

verbose：信息展示模式，0或1

save_best_only：当设置为True时，将只保存在验证集上性能最好的模型

mode：‘auto’，‘min’，‘max’之一，在save_best_only=True时决定性能最佳模型的评判准则，例如，当监测值为val_acc时，模式应为max，当检测值为val_loss时，模式应为min。在auto模式下，评价准则由被监测值的名字自动推断。

save_weights_only：若设置为True，则只保存模型权重，否则将保存整个模型（包括模型结构，配置信息等）

period：CheckPoint之间的间隔的epoch数。

如果设置save_weights_only = false，则会出现以下错误：

TypeError: can’t pickle _thread.RLock objects

报错原因是：网络结构中使用有Lambda层，这与ModelCheckpoint()的save_weights_only存在有冲突。

解决方法：将save_weights_only=False更换为save_weights_only=True
参考链接：https://stackoverflow.com/questions/55280201/keras-typeerror-cant-pickle-thread-rlock-objects

如果设置save_weights_only = true，使用 keras.models.load_model 会出现“ValueError: No model found in config file”的错误