python - Keras:如何加载具有两个输出和自定义损失函数的模型？

Question

我训练了一个 Keras(带有 Tensorflow 后端)模型，该模型有两个带有自定义损失函数的输出。我需要帮助使用 custom_objects 参数从磁盘加载模型。

编译模型时，我使用了 loss 和 loss_weights 参数，如下所示:

losses = {
            'output_layer_1':custom_loss_fn,
            'output_layer_2':custom_loss_fn
         }

loss_weights = {
                'output_layer_1': 1.0, 
                'output_layer_2': 1.0
               }

model.compile(loss=losses, loss_weights=loss_weights, optimizer=opt)

模型正在训练，没有任何问题。我保存模型如下:

model.save(model_path)

我在这里没有定义“custom_loss_fn”的原因是因为 custom_loss_fn 是在另一个自定义 Keras 层中定义的。

我的问题是如何加载在推理过程中保存到磁盘的模型。如果它是单个输出模型，我将使用 custom_objects 加载模型，如 stackoverflow 问题中所述:Loading model with custom loss + keras

model = keras.models.load_model(model_path, custom_objects={'custom_loss_fn':custom_loss_fn})

但是在我有两个输出、字典中定义的损失和损失权重以及自定义损失函数的情况下，如何扩展它？

换句话说，在 losses 和 loss_weights 定义为字典的情况下，应该如何填充 custom_objects？

我正在使用 Keras v2.1.6 和 Tensorflow 后端 v1.8.0。

Answer 1

如果您可以在加载端重新编译模型，最简单的方法是仅保存权重:model.save_weights()。如果您想使用 save_model 并拥有自定义 Keras 层，请确保它们实现 get_config 方法(请参阅 this 引用)。至于没有梯度的操作，我在混合tensorflow和Keras时看到了这一点，而没有正确使用keras.backend函数，但如果没有模型代码本身，我无法提供更多帮助。