加载含自定义对象的Keras模型时出现AttributeError问题求助

问题原因 #

• 你的自定义损失采用嵌套函数结构，模型保存时Keras实际记录的是内层函数conditional_BCE2，但加载时你在custom_objects中注册的是外层的conditional_BCE函数，两者无法匹配，导致Keras错误地将外层函数当作损失张量处理，触发'function' object has no attribute 'get_shape'报错。
• 你使用的Keras 2.0.8 + TensorFlow 1.2.1属于老旧版本，对嵌套式自定义损失的序列化/反序列化支持不完善，进一步放大了这个问题。

解决方案 #

方案一：重构损失函数，避免嵌套结构 #

将嵌套式损失改为直接接收所有参数的形式，编译时通过partial绑定额外参数：

from keras import backend as K
from functools import partial
from keras.losses import register_loss

@register_loss
def conditional_BCE(y_true, y_pred, input_mask, flag):
    loss = flag * K.binary_crossentropy(y_true, y_pred) * input_mask 
    return K.sum(loss) / K.sum(input_mask)

# 训练时绑定额外参数
loss_func = partial(conditional_BCE, input_mask=input_mask_tensor, flag=flag_value)
model.compile(optimizer='adam', loss=loss_func)

加载模型时，只需在custom_objects中注册重构后的损失函数：

from keras.models import load_model

load_model('path_to_your_model.h5', custom_objects={'Self_Attention': Self_Attention, 'conditional_BCE': conditional_BCE})

方案二：匹配保存时的内层损失函数 #

模型保存时记录的是内层的conditional_BCE2，加载前需先生成与训练时完全一致的内层函数实例并注册：

from keras.models import load_model

# 必须使用与训练时完全相同的input_mask和flag
input_mask = ...  # 训练时传入的input_mask张量
flag = ...        # 训练时传入的flag值
custom_loss = conditional_BCE(input_mask, flag)

# 加载时注册内层函数（注意键名是conditional_BCE2）
load_model('path_to_your_model.h5', custom_objects={'Self_Attention': Self_Attention, 'conditional_BCE2': custom_loss})

方案三：升级依赖版本（推荐长期维护） #

Keras 2.0.8和TensorFlow 1.2.1的自定义对象序列化机制存在诸多缺陷，升级到Python 2.7支持的较新版本（如Keras 2.2.5 + TensorFlow 1.14.0），可大幅改善这类兼容性问题，很多情况下无需修改代码即可正常加载模型。

验证步骤 #

1. 若采用方案一，重新训练并保存模型，再尝试加载，确认无报错；
2. 若采用方案二，确保input_mask和flag与训练时完全一致，加载后测试推理或继续训练的效果；
3. 若采用方案三，升级依赖后重新加载原模型，验证功能正常。

内容的提问来源于stack exchange，提问作者kwcool