VGG16迁移学习模型加载报错：未知指标f1_score的解决问询

报错原因 #

• Keras保存模型时，仅会记录内置指标、层的名称，自定义的f1_score不属于TensorFlow/Keras内置指标，保存后只留下函数名"f1_score"，加载时无法找到对应的函数实现，因此触发该错误。
• 编译模型时你将f1_score加入了METRICS列表，模型保存时会同步记录编译阶段的指标配置，但自定义函数的代码不会被自动序列化到H5文件中。

加载模型需传入的自定义对象 #

仅需将自定义的f1_score函数传入load_model的custom_objects参数即可。训练时使用的回调函数（ReduceLROnPlateau、ModelCheckpoint、EarlyStopping）属于训练流程工具，不影响模型结构与权重，加载时无需传入。

正确加载代码示例 #

def f1_score(y_true, y_pred): # 必须与训练时定义的函数完全一致
    true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
    possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)))
    predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1)))
    precision = true_positives / (predicted_positives + K.epsilon())
    recall = true_positives / (possible_positives + K.epsilon())
    f1_val = 2*(precision*recall)/(precision+recall+K.epsilon())
    return f1_val

# 加载模型
model = tf.keras.models.load_model('Study3_v1.h5', custom_objects={'f1_score': f1_score})

内容的提问来源于stack exchange，提问作者Ethan Brown