使用Keras的load_model加载含PReLU的h5模型报错ValueError如何解决

PReLU不属于Keras内置的基础激活函数集合，它本身是带可训练参数的层对象，模型序列化保存为.h5文件时不会自动记录该类的实现逻辑，因此加载时无法自动识别抛出该错误。

按实际场景选择以下任意一种即可：

方案1：加载时显式传入自定义对象映射 #

最常用的临时解决方式，无需修改原有保存逻辑，仅加载时额外指定映射关系即可：

# 注意导入路径要和你训练模型时使用的PReLU导入路径完全一致
# 如果你训练时用的是tensorflow.keras，就用 from tensorflow.keras.layers import PReLU
from keras.layers import PReLU
from keras.models import load_model

model = load_model("your_model_path.h5", custom_objects={"PReLU": PReLU})

方案2：全局注册自定义对象 #

适合需要多次加载带PReLU的模型的场景，注册一次后后续所有加载操作都不需要额外传参数：

from keras.layers import PReLU
from keras.utils import get_custom_objects

# 全局注册PReLU类
get_custom_objects().update({"PReLU": PReLU})

# 后续直接正常加载即可
model = load_model("your_model_path.h5")

训练时和加载时使用的PReLU导入路径必须完全匹配，如果你训练时用的是tensorflow.keras接口的PReLU，加载时就不能用独立Keras库的keras.layers.PReLU，否则仍然会识别失败。

内容的提问来源于stack exchange，提问作者talha06