这篇教程深度学习使用Keras加载含有自定义层或函数的模型操作写得很实用，希望能帮到您。
当我们导入的模型含有自定义层或者自定义函数时，需要使用custom_objects来指定目标层或目标函数。
例如：
我的一个模型含有自定义层“SincConv1D”，需要使用下面的代码导入：
from keras.models import load_model
model = load_model('model.h5', custom_objects={'SincConv1D': SincConv1D})
如果不加custom_objects指定目标层Layer，则会出现以下报错：
ValueError: Unknown layer: SincConv1D
同样的，当我的模型含有自定义函数“my_loss”，需要使用下面的代码导入：
from keras.models import load_model
model = load_model('model.h5', custom_objects={'my_loss': my_loss})
补充知识：keras加载模型load_model报错——ValueError: Unknown layer: CRF
我就废话不多说了，大家还是直接看代码吧！
from keras.models import load_model
model = load_model(model_path)
会报错，需要在load_model函数中添加custom_objects参数，来声明自定义的层
（用keras搭建bilstm-crf，在训练模型时，使用的是：
1
2
3
4
5 |
from keras_contrib.layers.crf import CRF）
from keras_contrib.layers.crf import CRF, crf_loss, crf_viterbi_accuracy
model = load_model(model_path, custom_objects={"CRF": CRF, 'crf_loss': crf_loss,
'crf_viterbi_accuracy': crf_viterbi_accuracy}) |
以上使用Keras加载含有自定义层或函数的模型操作介绍完了。
深度学习用Keras实现RNN+LSTM的模型自动编写古诗
深度学习keras自定义损失函数并且模型加载的写法 |
