ValueError：未知层：CapsuleLayer

Question

我已经定义了一个名为CapsuleLayer 的自定义层。实际模型已在单独的类中定义。我已将权重加载到实际模型中，并将模型保存在 .h5 文件中。但是，当我尝试使用 load_model(filepath) 加载模型时，我收到错误

ValueError：未知层：CapsuleLayer

如何在加载保存的模型时将自定义层合并到我的模型中。

Answer 1

参考Keras 常见问题解答，"Handling custom layers (or other custom objects) in saved models"：

如果您要加载的模型包含自定义图层或其他自定义 类或函数，您可以通过 custom_objects 参数：

from keras.models import load_model
# Assuming your model includes instance of an "AttentionLayer" class
model = load_model('my_model.h5', custom_objects={'AttentionLayer': AttentionLayer})

或者，您可以使用自定义对象范围：

from keras.utils import CustomObjectScope

with CustomObjectScope({'AttentionLayer': AttentionLayer}):
    model = load_model('my_model.h5')

自定义对象的处理方式与 load_model 相同， model_from_json、model_from_yaml：

from keras.models import model_from_json
model = model_from_json(json_string, custom_objects={'AttentionLayer': AttentionLayer})

---

在您的情况下，model = load_model('my_model.h5', custom_objects={'CapsuleLayer': CapsuleLayer}) 应该可以解决您的问题。

Answer 2

为了完整起见，我只是在 benjaminplanche 的答案之上添加了一些内容。如果您的自定义层AttentionLayer 有任何配置其行为的初始参数，您需要实现该类的get_config 方法。否则将无法加载。我写这篇文章是因为我在如何加载带有参数的自定义层时遇到了很多麻烦，所以我将把它留在这里。

例如，您的层的虚拟实现：

class AttentionLayer(Layer):
    def __init__(self, **kwargs):
        super().__init__(**kwargs)

    def build(self, input_shape):
        return super().build(input_shape)

    def call(self, x):
        # Implementation about how to look with attention!
        return x

    def compute_output_shape(self, input_shape):
        return input_shape

这将加载 benjaminplanche 的答案中详述的任何方法，即使用 custom_objects={'AttentionLayer': AttentionLayer}。但是，如果您的图层有一些参数，则加载将失败。

想象你的类的 init 方法有 2 个参数：

class AttentionLayer(Layer):
    def __init__(self, param1, param2, **kwargs):
        self.param1 = param1
        self.param2 = param2
        super().__init__(**kwargs)

然后，当你加载它时：

model = load_model('my_model.h5', custom_objects={'AttentionLayer': AttentionLayer})

它会抛出这个错误：

Traceback (most recent call last):
  File "/path/to/file/cstm_layer.py", line 62, in <module>
    h = AttentionLayer()(x)
TypeError: __init__() missing 2 required positional arguments: 'param1' and 'param2'

为了解决它，您需要在自定义层类中实现get_config 方法。一个例子：

class AttentionLayer(Layer):
    def __init__(self, param1, param2, **kwargs):
        self.param1 = param1
        self.param2 = param2
        super().__init__(**kwargs)

    # ...

    def get_config(self):
        # For serialization with 'custom_objects'
        config = super().get_config()
        config['param1'] = self.param1
        config['param2'] = self.param2
        return config

因此，当您保存模型时，保存例程将调用 get_config 并序列化您的自定义层的内部状态，即self.params。当你加载它时，加载器会知道如何初始化你的自定义层的内部状态。