VGG16迁移学习-未知度量函数:f1_score错误

Question

我有一个迁移学习模型，我使用VGG16，然后添加一些密集，dropout和batch_normalization层。我训练了模型，保存为Study3_v1.h5使用model.save('Study3_v1.h5')命令。

然而，当我试图使用model = tf.keras.models.load_model('Study3_v1.h5')命令加载它时，它给了我下面的错误:

ValueError: Unknown metric function: f1_score. Please ensure this object is passed to thecustom_objectsargument. See https://www.tensorflow.org/guide/keras/save_and_serialize#registering_the_custom_object for details.

我认为导致错误的是我在编译和训练模型之前使用的回调或指标，它们的代码如下:

def f1_score(y_true, y_pred): #taken from old keras source code
true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)))
predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1)))
precision = true_positives / (predicted_positives + K.epsilon())
recall = true_positives / (possible_positives + K.epsilon())
f1_val = 2*(precision*recall)/(precision+recall+K.epsilon())
return f1_val

METRICS = [
tf.keras.metrics.BinaryAccuracy(name='accuracy'),
tf.keras.metrics.Precision(name='precision'),
tf.keras.metrics.Recall(name='recall'),  
tf.keras.metrics.AUC(name='auc'),
f1_score,
]

lrd = ReduceLROnPlateau(monitor = 'val_loss',patience = 20,verbose = 1,factor = 0.50, min_lr = 1e-10)
mcp = ModelCheckpoint('model.h5')
es = EarlyStopping(verbose=1, patience=20)

编译模型:

model.compile(optimizer='Adam',loss='categorical_crossentropy',metrics=METRICS)

训练模型:

history=model.fit(train_dataset,validation_data=valid_dataset,epochs = 5,verbose = 1,callbacks=[lrd,mcp,es])

是什么导致错误?我需要添加哪些自定义对象到load_model函数

提前感谢!

Answer 1

因为您使用了自定义度量。所以现在你需要这样做:

model = tf.keras.models.load_model('Study3_v1.h5',custom_objects={"f1_score":f1_score})

每当你有一个自定义对象，如自定义模型，层，指标…如果您将模型保存在h5中，则需要这样做。