深層学習モデルの保存ができません。

Question

参考書に記載されていたLSTMを使った異常検知プログラムのモデルのアーキテクチャが保存できません。
tf.keras.modelを使ってモデル本体をsubclass形式で構築しているのですが、下記のようなエラーが出てきてしまいました。おそらくエラーの内容は「モデルを構成するinputの情報が足りない」といったものだと思うのですが、モデルの構造が複雑すぎて手動でモデルにinputを付け加える可能だと思います（自分の実力不足なのは否めませんが）。また、モデル本体をSequential modelにしてしまおうかとも思ったのですが、こちらもなかなか手ごわそうです。
そこで、もし何かほかに良いモデルの保存方法があれば是非ご教授願いたいです。
因みにモデルの重みのみを保存することには成功したのでそれを使った方法などもあれば教えていただきたいです。
何卒よろしくお願いします。
※字数の都合上必要のないコードはサンプルコードから変更した箇所のみ載せてありますが、足りない点がありましたらご指摘願います。主な変更点としましては使用するデータを通常のsin波としたことくらいです。サンプルコードは下記URLからご覧いただけると幸いです。
実行環境
cpu : windows10
tensorflow : 2.0(cpu)
python : 3.7
該当参考書 : 島田直希.Advanced Python[時系列解析].第四章(LSTM Enc Dec Anomaly Detection)
コード記載URL:https://www.kyoritsu-pub.co.jp/bookdetail/9784320044722

該当コード

class Datasets(object):
    """ダミーデータの生成
    """

    def __init__(self):
        A = 10
        # 訓練データ
        t = np.linspace(0, 5*np.pi, 500)
        self.train = A * np.sin(t).reshape(-1,1)
        self.train = (self.train).astype('f')

        # 検証データ
        t = np.linspace(0, 5*np.pi, 500)
        self.valid = A * np.sin(t).reshape(-1,1)
        self.valid = (self.valid).astype('f')
       

data_ = Datasets()
seq_data = data_.test

def main(args):
    if not args.data_path:
        raise ValueError("Must specify --data-path")
    # データセットの読み出し
    data = Datasets()
    # EncDec-ADへの入力用に形成した訓練データの作成
    train_data = _divide_into_batches(data.train, args.batch_size)
    # EncDec-ADへの入力用に形成したテストの作成
    test_data = _divide_into_batches(data.test, args.eval_batch_size)
    #test_data = _divide_into_batches(data.valid, args.eval_batch_size)


    # GPUの有無の確認
    have_gpu = context.num_gpus() > 0

    # デバイスの割り当て（GPUデバイスが検出されない場合は使わない）
    with tf.device("/device:GPU:0" if have_gpu else None):
        # 学習係数
        # 学習係数は変化するのでVariableで定義
        learning_rate = tf.Variable(args.learning_rate, name="learning_rate")
        sys.stderr.write("learning_rate=%f\n" % learning_rate.numpy())
        # EncDecADクラスのインスタンス作成
        model = EncDecAD(args.hidden_dim, args.training)
        # オプティマイザーオブジェクトの作成
        optimizer = tf.keras.optimizers.Adam(learning_rate)
        
        best_loss = None
        cnt = 0
        evaluation_loss_ = []
        training_loss_ = []
        # エポック毎のループ
        for _ in range(args.epoch):
            # 訓練データ
            training_loss_.append(train(model, optimizer, train_data, args.seq_len, args.clip))
            # 検証データ
            eval_loss, l_scores, outputs, evaluation_loss = evaluate(args, model, test_data, train_data)
            evaluation_loss_.append(evaluation_loss)
            # テストデータを使った評価での損失が下がった場合
            if not best_loss or eval_loss < best_loss:
                best_loss = eval_loss
                cnt = 0
                # テストデータを使った評価での損失が下がらなかった場合
            else:
                cnt += 1
                # 6回連続で下がらなかった場合
                if cnt>5:
                    # 学習係数を1/1.2倍する
                    learning_rate.assign(max(learning_rate/1.2, .002))
                    sys.stderr.write(
                        "eval_loss did not reduce in this epoch, "
                        "changing learning rate to %f for the next epoch\n" %
                            learning_rate.numpy())
                    cnt = 0
                
###########ここでモデルの保存######################################
        # save the model
        tf.saved_model.save(model, "/tmp/saved_model/model")

        #model._set_inputs(train_data[0, :])
        #tf.keras.experimental.export_saved_model(model, "path_to_my_model", serving_only=True)
        # save the weights
        #model.save_weights('path_to_my_model.h5')
                      
        # モデルの定義
        #model = EncDecAD(args.hidden_dim, args.training)
#############ここで保存済みの重みの読み込み###############################
        # 学習済みの重みの読み込み
        new_model = tf.saved_model.load("/tmp/saved_model/model")

        # 検証データ
        outputs, l_scores = evaluate_(args, new_model, test_data, train_data)
                        
        scores = l_scores[0]
        for score in l_scores[1:]:
            scores = np.concatenate((scores, score))

該当エラー
TypeError Traceback (most recent call last)
<ipython-input-3-97c0d97a5478> in <module>
～～～割愛～～～
TypeError: call() missing 1 required positional argument: 'state'

Comments

[meg_]

エラーが発生しているのはどのコード（行）ですか？　エラーメッセージを見ると引数が足りないとのエラーのようですが？

[oshikosan]

tf.saved_model.save(model, "/tmp/saved_model/model")の部分です。
エラーメッセージの最終文を載せます。
他サイトを確認したところ、この手のエラーは「callというメソッドに渡す引数(通常、クラスのインスタンス自身を渡すらしい)が正しく渡されていないためにおこるエラー」という風に書いてありました。
555 layer_call = _get_layer_call_method(layer)
556 def call_and_return_conditional_losses(inputs, *args, **kwargs):
--> 557 return layer_call(inputs, *args, **kwargs), layer.get_losses_for(inputs)
558 return _create_call_fn_decorator(layer, call_and_return_conditional_losses)
559

TypeError: call() missing 1 required positional argument: 'state'

[meg_]

あなたが書いたコードのどこでエラーは発生しているのでしょうか？（上記ではエラー発生箇所が特定できません。）　情報は質問に追記してくださいね。

Answer 1

モデルを保存するのではなく、使用した「重み」を保存し、その後再定義したモデルに保存した重みをロードすることで解決することができました。
今回自分が使用したモデルはSequentialモデルではなくpythonのクラス継承を用いて構築されたモデルであったため、公式ドキュメント等で記されているような「一行コードを追加すれば簡単にモデルの保存が行える」という方法は通用しなかったようです。
回答、コメントいただいた皆様ありがとうございました。