Keras：如何加载具有两个输出和自定义损失函数的模型？

Question

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

在编译模型时，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)

我没有在这里定义“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持久保存到磁盘的模型。如果它是单个输出模型，我将使用 custom_objects 加载模型，如此 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的情况下如何扩展它，其中损失和损失权重在字典中定义以及自定义损失函数？

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

我正在使用带有 Tensorflow 后端 v1.8.0 的 Keras v2.1.6。

Answer 1

如果您可以在加载端重新编译模型，最简单的方法是只保存权重：model.save_weights()。如果您想使用 save_model 并拥有自定义 Keras 层，请确保它们实现了 get_config 方法（请参阅 this 参考）。 至于没有渐变的操作，我在没有正确使用 keras.backend 函数的情况下混合 tensorflow 和 Keras 时看到了这一点，但是如果没有模型代码本身，我就无能为力了。