TensorFlow加载模型报错：无法定位'mse'函数的原因求助

问题场景 #

构建双向LSTM模型的代码：

model = Sequential()
model.add(Bidirectional(LSTM(128, return_sequences=True), input_shape=(X.shape[1], X.shape[2])))
model.add(Dropout(0.2))
model.add(Bidirectional(LSTM(50)))
model.add(Dropout(0.2))
model.add(Dense(1))  # Output: 1 nilai (Close price)

model.compile(optimizer='adam', loss='mse', metrics=['mean_absolute_error'])

加载模型的代码：

def load_model_and_scalers():
    model = load_model("bilstm_model_3.h5", 
                    #    custom_objects={"mae": MeanAbsoluteError()}
                        )
    scaler_input = load("scaler_input_3.pkl")
    scaler_close = load("scaler_close_3.pkl")
    st.text(model.summary())
    return model, scaler_input, scaler_close

出现的错误信息：

TypeError: Could not locate function 'mse'. Make sure custom classes are decorated with `@keras.saving.register_keras_serializable()`. Full object config: {'module': 'keras.metrics', 'class_name': 'function', 'config': 'mse', 'registered_name': 'mse'}
WARNING:tensorflow:From D:\Dokumen\UMJ\Skripsi\Asli\myenv\lib\site-packages\keras\src\backend\common\global_state.py:82: The name tf.reset_default_graph is deprecated. Please use tf.compat.v1.reset_default_graph instead.

错误原因 #

• 你使用字符串形式的loss='mse'和metrics=['mean_absolute_error']编译模型，在较新的Keras/TensorFlow版本中，这种字符串形式的损失/指标在模型序列化保存后，加载时可能无法正确映射到对应的内置函数，导致系统找不到mse函数。
• 错误提示明确指向mse函数无法被定位，本质是模型保存时的序列化信息和加载时的函数解析不匹配。

解决办法 #

方法1：加载模型时显式指定custom_objects

在加载模型时，把字符串对应的损失和指标类明确传入custom_objects参数：

from keras.losses import MeanSquaredError
from keras.metrics import MeanAbsoluteError

def load_model_and_scalers():
    model = load_model("bilstm_model_3.h5", 
                       custom_objects={
                           "mse": MeanSquaredError(),
                           "mean_absolute_error": MeanAbsoluteError()
                       }
                   )
    scaler_input = load("scaler_input_3.pkl")
    scaler_close = load("scaler_close_3.pkl")
    st.text(model.summary())
    return model, scaler_input, scaler_close

方法2：重新训练时使用类形式的损失和指标

避免使用字符串形式，直接调用Keras的损失/指标类来编译模型，这样保存后的模型加载时无需额外指定custom_objects：

from keras.losses import MeanSquaredError
from keras.metrics import MeanAbsoluteError

model = Sequential()
model.add(Bidirectional(LSTM(128, return_sequences=True), input_shape=(X.shape[1], X.shape[2])))
model.add(Dropout(0.2))
model.add(Bidirectional(LSTM(50)))
model.add(Dropout(0.2))
model.add(Dense(1))  # Output: 1 nilai (Close price)

# 使用类形式替代字符串
model.compile(optimizer='adam', loss=MeanSquaredError(), metrics=[MeanAbsoluteError()])

内容的提问来源于stack exchange，提问作者user17319396