Keras加载训练模型提示Unknown metric function: lr报错如何解决

错误原因 #

• 第一次报错是因为模型编译时使用了自定义的lr指标，Keras保存模型时不会自带自定义对象的实现，加载时找不到对应定义触发报错
• 第二次报错是因为你在加载脚本中没有定义lr这个函数变量，直接传未定义的变量自然触发NameError

解决方案 #

根据你加载模型的用途选择对应方案即可：

场景1：加载模型仅用于推理，不需要继续训练

直接在加载时添加compile=False参数，跳过模型编译步骤，不会检查自定义指标，代码如下：

from tensorflow import keras
import os

model_dir = 'My Directory'
model1 = os.path.join(model_dir, "DenseNet_model_keras.h5")
# 跳过编译，直接加载权重和结构用于推理
Vgg16 = keras.models.load_model(model1, compile=False)

场景2：加载模型后需要继续训练

需要在加载脚本中完整复现训练时的自定义对象定义，再传入custom_objects参数：

from tensorflow import keras
from tensorflow.keras.optimizers import RMSprop
import os

# 1. 复现自定义lr指标的定义
opt = RMSprop()
def get_lr_metric(optimizer):
    def lr(y_true, y_pred):
        return optimizer.lr
    return lr
lr_track = get_lr_metric(opt)

# 2. 如果你后续训练还要用到CyclicLR回调，需要把你从GitHub克隆的CyclicLR类完整实现复制到此处

# 3. 加载模型时传入自定义对象
model_dir = 'My Directory'
model1 = os.path.join(model_dir, "DenseNet_model_keras.h5")
Vgg16 = keras.models.load_model(model1, custom_objects={
    "lr": lr_track
})

内容的提问来源于stack exchange，提问作者maryam gh