TensorFlow加载含自定义激活函数模型报错求助

可能的问题与对应解决方法 #

1. 移除重复的custom_objects参数 #

你当前代码同时使用了custom_object_scope上下文管理器和load_model的custom_objects参数，这可能导致冲突。只需保留上下文管理器即可：

custom_objects = {"custom_fn": custom_fn}

with keras.saving.custom_object_scope(custom_objects):
    Model_2 = keras.models.load_model('agent2.h5')

2. 确保自定义函数的命名与保存时完全一致 #

检查保存模型时使用的激活函数名称，必须和加载时custom_objects中的键完全匹配（包括大小写、下划线等）。另外，可以提前给自定义函数注册Keras自定义对象，避免手动传递参数：

import tensorflow as tf

# 给自定义激活函数添加注册装饰器
@tf.keras.utils.register_keras_custom_object
def custom_fn(x):
    # 这里替换为你的自定义激活函数实现
    return tf.nn.relu(x)  # 示例逻辑

# 加载模型时无需额外传参
Model_2 = keras.models.load_model('agent2.h5')

3. 切换到SavedModel格式保存/加载 #

.h5属于旧的HDF5格式，SavedModel格式对自定义对象的兼容性更好。先重新保存模型：

# 保存为SavedModel格式（无需指定后缀）
model.save('agent2_savedmodel')

再加载：

with keras.saving.custom_object_scope({"custom_fn": custom_fn}):
    Model_2 = keras.models.load_model('agent2_savedmodel')

4. 确保自定义函数定义在加载前执行 #

加载模型前必须先完成custom_fn函数的定义，不能在加载之后才编写函数逻辑，否则TensorFlow无法识别该自定义对象。

内容的提问来源于stack exchange，提问作者uv_utna