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，它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)

该模型正在训练，没有任何问题。 我将模型保存如下：

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，其中的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，应该如何custom_objects可以在此情况下填充losses和loss_weights定义词典？

我将 Keras v2.1.6 与 Tensorflow 后端 v1.8.0 一起使用。

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（请参阅此参考资料）。 至于没有梯度的操作，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，但如果没有模型代码本身，我就keras.backend了。