Keras模型序列化与自定义损失函数加载问题解析
2025-04-30 16:54:59作者:裴麒琰
问题背景
在Keras深度学习框架中,模型序列化与反序列化是模型部署和迁移的重要环节。近期在Keras版本从3.6升级到3.7后,部分用户遇到了自定义损失函数加载失败的问题,具体表现为当尝试加载在Keras 3.6中保存的模型时,系统无法识别已注册的自定义损失函数。
问题现象
当使用Keras 3.7或3.8加载在Keras 3.6中保存的包含自定义损失函数的模型时,会出现类似以下的错误信息:
TypeError: Could not locate function 'attention_loss'. Make sure custom classes are decorated with `@keras.saving.register_keras_serializable()`. Full object config: {'module': 'builtins', 'class_name': 'function', 'config': 'attention_loss', 'registered_name': 'function'}
值得注意的是,这个问题仅出现在自定义损失函数上,而自定义激活函数则不受影响。
技术分析
序列化机制变化
在Keras 3.6版本中,自定义损失函数的序列化存在以下特点:
- 序列化时仅使用函数名称作为键值,忽略了
@keras.saving.register_keras_serializable
装饰器中指定的包名 - 反序列化时存在回退机制,能够通过函数名称匹配已注册的函数
Keras 3.7版本通过提交795df4ef63566ec869fe2512373f4346e1e02746修复了这个问题,但同时也移除了原有的回退机制,导致:
- 现在序列化时会正确使用"包名>函数名"的完整格式
- 但无法加载旧版本中仅以函数名作为键值保存的模型
根本原因
问题的核心在于Keras对不同类型的自定义函数处理方式不一致:
- 损失函数:在3.6版本中序列化时未包含包名信息
- 激活函数:始终使用
get_registered_name
方法生成包含包名的完整键值
这种不一致性导致了版本升级后的兼容性问题。
解决方案
临时解决方案
对于需要加载Keras 3.6保存的模型的用户,可以采用以下方法:
@keras.saving.register_keras_serializable("attention_loss")
def attention_loss(y_actual, y_predicted):
# 实现代码
reloaded_model = keras.models.load_model(
"custom_model.keras",
custom_objects={"attention_loss": attention_loss},
)
这种方法通过显式提供custom_objects参数,绕过了自动反序列化机制。
长期建议
- 对于新项目,建议统一使用Keras 3.7+版本
- 保存模型时,确保所有自定义对象都正确使用了
@keras.saving.register_keras_serializable
装饰器 - 考虑在模型文档中保留自定义对象的实现代码,以备将来需要
最佳实践
为了确保模型的可移植性,建议遵循以下准则:
- 明确注册:为所有自定义层、损失函数和指标使用装饰器注册
- 版本控制:记录模型保存时使用的Keras版本
- 代码归档:将自定义对象的实现与模型文件一起归档
- 测试验证:在不同环境中测试模型加载功能
总结
Keras框架的持续改进虽然带来了更好的功能,但有时也会引入兼容性问题。理解序列化机制的变化有助于开发者更好地管理模型生命周期。对于自定义对象,显式注册和适当文档是确保长期可维护性的关键。随着Keras生态系统的成熟,这类问题有望通过更完善的版本管理和迁移工具得到进一步缓解。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0266cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
273

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8