如何在h5中保存一个损失函数为"balanced categorical entropy"的神经网络模型？

Question

我正在使用 VGG16 进行图像分割，损失函数为“平衡分类熵”，代码为

beta=0.5

def balanced_cross_entropy(beta):
  def loss(y_true, y_pred):
    weight_a = beta * tf.cast(y_true, tf.float32)
    weight_b = (1 - beta) * tf.cast(1 - y_true, tf.float32)
    
    o = (tf.math.log1p(tf.exp(-tf.abs(y_pred))) + tf.nn.relu(-y_pred)) * (weight_a + weight_b) + y_pred * weight_b
    return tf.reduce_mean(o)

  return loss

一切正常。现在我使用代码将这个模型保存在 h5 文件中。

vgg.save('vgg.h5')

但是当我使用 Keras 的 load_model 时

 model = load_model('vgg.h5', custom_objects={'balanced_cross_entropy(beta)': balanced_cross_entropy(beta)})

我遇到错误。

Unknown loss function: loss. Please ensure this object is passed to the `custom_objects` argument.

任何人都可以帮忙吗，我怀疑问题可能是由于测试版造成的？

Answer 1

如果只想进行推理，可以通过指定

来避免这个问题

model = load_model('vgg.h5',compile=False)

否则需要按以下方式加载：

model = load_model("vgg.h5", custom_objects={'loss': balanced_cross_entropy(beta)})；在你的代码中你写了 balanced_cross_entropy(beta) 而不是 loss.

简短说明：

custom_object中key的名字其实就是内层函数的名字（其实就是balanced_cross_entropy(beta)返回的；外层函数的名字其实就是<key,value> custom_object 字典中的对。

如何在h5中保存一个损失函数为"balanced categorical entropy"的神经网络模型？

How to save a neural network model in h5 with loss function "balanced categorical entropy"?

tensorflow

keras

image-segmentation

loss-function