Keras使用load_model加载LSTM模型报错Unknown activation function: LeakyReLU

该错误的核心是你在输出层使用了带自定义参数的LeakyReLU作为激活函数，Keras的load_model方法默认不会自动识别这类非内置字符串别名的带参数激活函数，加载时找不到对应实现就会抛出未知激活函数的错误。

• 方案1：加载时通过custom_objects参数手动传入LeakyReLU
  这是无需修改原有训练代码、最快的临时解决方案，加载时指定自定义对象即可，示例代码：

from tensorflow.keras.models import load_model
from tensorflow.keras.layers import LeakyReLU

model = load_model('model_LSTM.h5', custom_objects={'LeakyReLU': LeakyReLU})

• 方案2：训练时将LeakyReLU拆分为独立层（一劳永逸，后续加载无需额外参数）
  你之前的写法是把LeakyReLU直接作为Dense层的activation参数传入，改成单独新增一层激活层，保存的模型会自带层定义，后续加载不需要额外传参，修改后的输出层代码如下：

# 原有写法
# output = Dense(1, activation= LeakyReLU(alpha=0.1),name="class")(drop_out)
# 替换为以下写法
dense_out = Dense(1, name="class")(drop_out)
output = LeakyReLU(alpha=0.1)(dense_out)

修改后重新训练保存的模型，后续直接调用load_model('model_LSTM.h5')即可正常加载。

• 方案3：使用激活函数字符串别名（仅适用于不需要修改默认参数的场景）
  如果你不需要自定义LeakyReLU的alpha值，使用默认的0.3参数的话，可以直接在Dense层的activation参数传入字符串'leaky_relu'，Keras可以自动识别，后续加载也不会报错：

output = Dense(1, activation='leaky_relu', name="class")(drop_out)

内容的提问来源于stack exchange，提问作者Subhanjan Basu