TensorFlow自定义Brelu与Maxout加载模型报错求助

问题核心 #

加载包含自定义Brelu激活函数和Maxout层的Dehazenet模型时，触发反序列化错误，提示Unknown activation function: 'function'。根源是Brelu的序列化元数据不符合Keras激活函数的识别规范，导致加载时无法匹配到对应的自定义函数。

解决方案 #

1. 完善自定义激活函数的注册 #

除了用@keras.saving.register_keras_serializable装饰，还需将Brelu注册到Keras的激活函数注册表中，确保Activation层能正确识别：

import tensorflow as tf
from tensorflow import keras

# 注册Brelu为可序列化对象
@keras.saving.register_keras_serializable(package="MyActivations", name="brelu")
def brelu(x):
    return tf.maximum(0.0, tf.minimum(1.0, x))

# 将Brelu注册到Keras激活函数库
keras.activations.register('brelu', brelu)

2. 确保模型保存与加载的上下文一致性 #

如果模型是在未正确注册自定义对象的环境下保存的，必须重新保存模型：训练完成后，在已注册自定义对象的环境中调用model.save()，示例：

# 训练完成后保存模型（确保Brelu和Maxout已注册）
with keras.utils.custom_object_scope({'brelu': brelu, 'Maxout': Maxout}):
    model.save('dehazenet_model.h5')

3. 加载模型的正确方式 #

加载时通过custom_object_scope覆盖所有自定义对象，确保反序列化时能匹配：

def evaluate_model(model_path, input_dir, target_dir, size=(256, 256)):
    # 加载模型时指定所有自定义对象
    with keras.utils.custom_object_scope({'brelu': brelu, 'Maxout': Maxout}):
        model = keras.models.load_model(model_path)
    
    # 后续评估逻辑保持不变
    X, y_true = load_dataset(input_dir, target_dir, size)
    y_pred = model.predict(X)
    
    mse = mean_squared_error(y_true.flatten(), y_pred.flatten())
    psnr = peak_signal_noise_ratio(y_true, y_pred)
    ssim = structural_similarity(y_true, y_pred, multichannel=True)
    
    return {'MSE': mse, 'PSNR': psnr, 'SSIM': ssim}

也可直接将自定义对象传入load_model的custom_objects参数：

model = keras.models.load_model(model_path, custom_objects={'brelu': brelu, 'Maxout': Maxout})

4. 验证Maxout层的序列化 #

你的Maxout层已正确实现get_config方法，能序列化num_units参数，加载时可正常重建，这部分代码无需修改。

关键说明 #

• Keras的Activation层序列化自定义激活函数时，要求函数同时存在于可序列化注册表和激活函数注册表中，否则会被识别为通用function类型，导致加载失败。
• 若无法重新保存模型，手动修改模型元数据仅作为应急方案，最可靠的方式是在正确注册自定义对象的环境下重新保存模型。

内容的提问来源于stack exchange，提问作者Ayesha Irshad