在「机器学习入坑指南（九）：TensorFlow 实战——手写数字识别（MNIST 数据集）」一文中，我们实现了一个模型，完整的代码如下（原文有详细解析）：
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train = tf.keras.utils.normalize(x_train, axis=1)
x_test = tf.keras.utils.normalize(x_test, axis=1)
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Flatten()) # 把图片展平成 1x784，这里应该指定 shape
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(128, activation=tf.nn.relu))
model.add(tf.keras.layers.Dense(10, activation=tf.nn.softmax))
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=3)
val_loss, val_acc = model.evaluate(x_test, y_test)
print(val_loss)
print(val_acc)
如果我们想保存这个模型，可以使用如下代码
model.save('epic_num_reader.model')
然后就会不幸地引发 NotImplementedError
image
为了解决这个问题折腾了半天，后来在 Stack Overflow 上提问，大神告诉我是因为我没有给第一层设置 input_shape 参数，导致模型没有明确的定义，而 Keras 并没有实现保存未定义的模型的方法，从而引发了这个错误。
于是，把添加第一层的代码改为
model.add(tf.keras.layers.Flatten(input_shape=(28,28))) #因为输入的是 28x28 的图像（矩阵）
再次保存模型，就不会报错啦！
欢迎访问 Evan 的博客
