根据输入加载具有自定义损失的 keras 模型答案

【问题标题】：Loading a keras model with custom loss based on input根据输入加载具有自定义损失的 keras 模型
【发布时间】：2020-04-30 22:12:41
【问题描述】：

我有一个自定义损失，它使用模型的一个输入。

def closs(labels,latent_dim):
  def loss(y_true,y_pred):
    return metric_learning.contrastive_loss(labels=labels,
                        embeddings_anchor=y_pred[:,:latent_dim],
                        embeddings_positive=y_pred[:,latent_dim:])
return loss

其中标签是模型的输入。模型架构为：

def build_model():
  left_input = Input(shape=(2900,1))
  right_input = Input(shape=(2900,1))
  label = Input(shape=(1,))

  encoder = build_encoder()

  left_embed = encoder(left_input)
  right_embed = encoder(right_input)

  embeds = Concatenate()([left_embed,right_embed])

  model = Model(inputs=[left_input,right_input,label],outputs=[embeds])
  return model, label

然后我使用返回的“标签”来编译模型：

model,label = build_model()
model.compile(optimizer='adam',loss=closs(label,256))

但是当我尝试加载模型时，我必须将此损失作为 custom_object 传递，所以是这样的：

model = load_model('model/cl_model.h5',custom_objects={'loss':closs(xyz,256)})

问题是我在不同的 python 脚本中加载模型，所以我没有“标签”输入对象。我该如何克服这个问题？

【问题讨论】：

标签： python keras neural-network conv-neural-network keras-layer

【解决方案1】：

您是在使用权重来重新训练模型还是只是为了预测新数据？在仅预测的情况下，您可以使用

model.load_weights('model/cl_model.h5')

定义模型后，您不必传递损失函数，因为它仅用于预测。

【讨论】：

我想重新训练模型