保存/加载 Tensorflow Keras 模型仅用于预测

我有一个带有自定义损失的张量流 keras 模型。尝试后，我想使用存储模型model.save(path)并在另一个 python 脚本中仅使用以下命令加载模型进行预测model = tf.keras.models.load_model(model_path, compile=False).

Without compile=False，tensorflow会抱怨缺少损失函数。呼唤model.prediction然而会导致Model object has no attribute 'loss'错误信息。我想打电话model.predict无需再次指定损失。

有没有解决方案来保存/加载tf.keras.Model没有使用模型进行预测的自定义损失？

Code

既然被问到了，模型就在多个输出/损失上进行训练，我用 lambda 定义损失来捕获权重等。这看起来像这样：

losses = [lambda y_true, y_pred: util.weighted_mse_loss(y_true, y_pred, tf.square(gain_weight)), 
        lambda y_true, y_pred: util.weighted_mse_loss(y_true, y_pred, tf.square(Rd_weight)), 
        lambda y_true, y_pred: util.pole_zero_loss(y_true, y_pred, r_weight, w_weight),
        lambda y_true, y_pred: util.pole_zero_loss(y_true, y_pred, r_weight, w_weight)]


model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=10E-4),
    loss=losses)

如上所述here https://keras.io/api/models/model_saving_apis/#load_model-function喀拉斯有tf.keras.models.load_model(filepath, custom_objects=None, compile=True)功能。如果您有自定义损失，您可以使用：

model = keras.models.load_model('model.h5', custom_objects={'my_loss': my_loss})

其中“my_loss”是您的损失名称，my_loss 是函数。