根据ty.py_function的documentation，使用它的模型无法序列化。
函数的主体（即func）不会在GraphDef中序列化。因此，如果需要序列化模型并将其还原到其他环境中，则不应使用此功能。
为什么不能序列化？
我正在寻找一种解释，说明为什么是这种情况，以及使用tf.py_function的替代方法，但没有找到有用的方法。
在我的特定情况下，我想使用Keras令牌生成器，并且其方法期望使用numpy数组-因此我使用tf.py_function对其进行调用。
通常，TensorFlow图包含要在张量上执行的操作的描述。例如，当您执行tf.add(a, b)时，会将新节点添加到图中，指示应在张量a和b上计算加法运算。
当您使用tf.py_function时，TensorFlow必须执行您作为函数提供的任意Python代码。不幸的是，tf.py_function无法将任意函数“转换”为图节点，因此无法将这些操作并入图。人们可以考虑只将Python代码本身嵌入到图形中的选择，但是由于TensorFlow可使用多种语言，因此让节点使用专门针对一种特定语言的代码是没有意义的。
在TensorFlow 2.x中，默认情况下启用急切执行功能，tf.function可以将特定函数转换为图形，以便更快地执行（tf.function），但是此功能没有与see guide直接集成这样。