自定义L1Dist层导致Siamese模型加载失败问题求助

问题概述 #

基于TensorFlow/Keras实现包含自定义L1Dist层的Siamese网络，训练完成后将模型保存为siamese_model.h5文件，使用tf.keras.models.load_model加载时触发如下错误：

ValueError: Unexpected object from deserialization, expected a layer or operation, got a <class '__main__.L1Dist'>

报错原因 #

1. 自定义L1Dist层的__init__方法未将关键字参数传递给父类Layer的构造函数，导致层的元信息缺失
2. 自定义层缺少get_config方法，无法在序列化时保存层的配置，反序列化时无法正确重建层对象
3. 加载模型时，custom_objects参数中存在类名拼写错误（原代码中误写为Siamese_layer，实际应为L1Dist）

代码修改方案 #

1. 修正自定义L1Dist层 #

确保__init__传递kwargs给父类，并添加get_config方法：

from tensorflow.keras.layers import Layer

class L1Dist(Layer):
    # 修正__init__方法，传递kwargs给父类
    def __init__(self, **kwargs):
        super(L1Dist, self).__init__(**kwargs)

    def call(self, input_embedding, validation_embedding):
        return tf.math.abs(input_embedding - validation_embedding)
    
    # 添加get_config方法，支持序列化
    def get_config(self):
        # 调用父类的get_config，保留默认配置
        config = super(L1Dist, self).get_config()
        return config

2. 修正模型加载代码 #

确保custom_objects中的类名正确，同时无需额外指定binary_crossentropy（Keras默认可识别）：

# 修正加载时的custom_objects参数
new_model = tf.keras.models.load_model('siamese_model.h5', custom_objects={'L1Dist': L1Dist})

完整修正后的核心代码片段 #

# 嵌入层定义（假设make_embedding已正确实现）
embedding = make_embedding()

# 修正后的自定义L1Dist层
class L1Dist(Layer):
    def __init__(self, **kwargs):
        super(L1Dist, self).__init__(**kwargs)

    def call(self, input_embedding, validation_embedding):
        return tf.math.abs(input_embedding - validation_embedding)
    
    def get_config(self):
        config = super(L1Dist, self).get_config()
        return config

# Siamese模型构建函数
def make_siamese_model():
    input_image = Input(name='input_img', shape=(100,100,3))
    validation_image = Input(name='validation_img', shape=(100,100,3))

    siamese_layer = L1Dist(name='distance')  # 直接在实例化时指定name，无需手动修改_name属性
    distances = siamese_layer(embedding(input_image), embedding(validation_image))

    classifier = Dense(1, activation='sigmoid')(distances)

    return Model(inputs=[input_image, validation_image], outputs=classifier, name='SiameseNetwork')

# 训练流程（原训练代码可保留，无需修改）
siamese_model = make_siamese_model()
binary_cross_loss = tf.losses.BinaryCrossentropy()
opt = tf.keras.optimizers.Adam(1e-4)

# ...（省略训练步骤代码）

# 保存模型
siamese_model.save('siamese_model.h5')

# 修正后的模型加载代码
new_model = tf.keras.models.load_model('siamese_model.h5', custom_objects={'L1Dist': L1Dist})

验证方法 #

1. 使用修正后的代码重新训练模型并保存
2. 执行加载代码，确认不再报错
3. 可通过new_model.summary()查看模型结构，验证加载是否成功

内容的提问来源于stack exchange，提问作者Prateek