加载含自定义曼哈顿距离Lambda函数的Keras模型失败求助

这个问题的核心在于Keras序列化模型时，没办法把你写的匿名lambda函数里引用的自定义距离函数一起保存到JSON配置中。当你加载模型时，Keras尝试执行那个lambda，但找不到exponent_neg_manhattan_distance的定义——哪怕你在custom_objects里传了，也因为lambda的上下文绑定问题无法识别。

下面给你两种解决方案，一种是适合长远的重新训练方案，另一种是不用重新训练的应急方案：

方案一：改用Lambda层重新训练（推荐） #

旧的Merge层已经被Keras弃用，而且它的序列化逻辑对自定义函数支持不好。我们可以用Lambda层替代它，这样序列化时能正确记录自定义函数的信息：

修改训练代码中的距离计算部分 #

把原来的Merge层代码替换成以下内容：

import keras.backend as K
from keras.layers import Lambda

# 调整函数接收参数为inputs列表，适配Lambda层
def exponent_neg_manhattan_distance(inputs):
    left, right = inputs
    return K.exp(-K.sum(K.abs(left - right), axis=1, keepdims=True))

# 替换原来的Merge层
malstm_distance = Lambda(exponent_neg_manhattan_distance, output_shape=(1,))([left_output, right_output])

之后正常训练、保存模型即可。

加载模型的代码 #

加载时只需在custom_objects中传入这个自定义函数：

from keras.models import model_from_json
import keras.backend as K

def exponent_neg_manhattan_distance(inputs):
    left, right = inputs
    return K.exp(-K.sum(K.abs(left - right), axis=1, keepdims=True))

# 加载模型结构和权重
model = model_from_json(open('malstm.json').read(), custom_objects={"exponent_neg_manhattan_distance": exponent_neg_manhattan_distance})
model.load_weights('malst_w.h5')

方案二：无需重新训练的应急修复 #

如果不想重新训练（毕竟训练耗时很长），可以通过以下步骤让加载过程找到自定义函数：

1. 在加载脚本中提前定义完全一致的函数
   确保exponent_neg_manhattan_distance的定义和训练时完全一样，并且处于全局命名空间：

   import keras.backend as K
   
   def exponent_neg_manhattan_distance(left, right):
       return K.exp(-K.sum(K.abs(left - right), axis=1, keepdims=True))
   

2. 加载时同时传入自定义函数
   加载模型时，把函数传入custom_objects，同时确保函数在当前环境中可见：

   from keras.models import model_from_json
   
   model = model_from_json(open('malstm.json').read(), custom_objects={"exponent_neg_manhattan_distance": exponent_neg_manhattan_distance})
   model.load_weights('malst_w.h5')
   

这个方法的原理是让Keras执行序列化的lambda函数时，能在当前环境中找到exponent_neg_manhattan_distance的定义。不过因为旧的Merge层已经弃用，后续可能会有兼容性问题，所以还是推荐方案一。

内容的提问来源于stack exchange，提问作者Archit