Keras使用自定义root_mean_squared_error_fraction损失函数加载报错问询

Keras保存模型时仅会序列化自定义损失函数的名称，不会存储函数本身的实现逻辑，因此加载已保存的包含自定义损失的模型时，必须显式告诉Keras自定义函数名称对应的实际对象。

修改你代码中load_model的调用逻辑，新增custom_objects参数传入自定义损失的映射关系即可：

# 把原来的saved = load_model('bestmodel.h5') 替换为下面的代码
saved = load_model('bestmodel.h5', custom_objects={
    'root_mean_squared_error_fraction': root_mean_squared_error_fraction
})

如果不想每次加载模型都手动传入custom_objects，可以给自定义损失函数加上Keras序列化注册装饰器，Keras会自动识别该函数：

from keras import backend as K
import keras

@keras.saving.register_keras_serializable()
def root_mean_squared_error_fraction(y_true, y_pred):
    return K.sqrt(K.mean(K.square((y_pred - y_true)/y_true))) 

添加装饰器后，后续加载模型时无需额外传参，直接调用load_model('bestmodel.h5')即可正常运行。

如果在其他Python脚本中加载该保存好的模型，需要保证脚本内可以访问到root_mean_squared_error_fraction函数的定义，或者提前完成函数的全局注册。

内容的提问来源于stack exchange，提问作者MikeP