Keras中的负荷模型

我使用此代码使用客户度量（AUC）在Keras中加载模型，但这不起作用。你能帮我解决那个问题吗

train_datagen = ImageDataGenerator(rescale=1/255)
val_datagen = ImageDataGenerator(rescale=1/255)

train_generator = train_datagen.flow_from_directory(
                        train_dir,
                        target_size=(32, 32),
                        batch_size=10,
                        class_mode='binary')
val_generator = val_datagen.flow_from_directory(
                        val_dir, 
                        target_size=(32, 32),
                        batch_size=10,
                        class_mode='binary')

model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)))
model.add(MaxPooling2D((2, 2)))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D((2, 2)))
model.add(Flatten())
model.add(Dense(512, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', 
              optimizer='rmsprop', 
              metrics=[keras.metrics.AUC(name='auc')])

history = model.fit_generator(train_generator,
                              steps_per_epoch=1405,
                              epochs=1,
                              validation_data=val_generator,
                              validation_steps=10)

model.save('baseline.h5')

model1 = models.load_model('baseline.h5')

我犯了一个错误

ValueError: Unknown metric function: {'class_name': 'AUC', 'config': {'name': 'auc', 'dtype': 'float32', 'num_thresholds': 200, 'curve': 'ROC', 'summation_method': 'interpolation', 'thresholds': [0.005025125628140704, 0.010050251256281407, 0.01507537688442211, 0.020100502512562814

编辑：我添加导入。我听说过load\u model方法中的参数“customer\u objects”。但是我尝试了：'custom_object'={'auc'：keras.metrics.auc（name='auc'）}

---

只是不要编译模型：

model1=models.load\u model（'baseline.h5'，compile=False）
模型1.compile（loss='binary\u crossentropy'，
优化器='rmsprop'，
metrics=[keras.metrics.AUC（）]

请将导入添加到此示例中，它们是重要的，我通过设置

compile=False

添加了导入。您正在删除有关丢失、优化器和其他内容的信息，这些信息是在

compile

函数中定义的。如果你认为答案是正确的，请标出它

from keras.layers import Dense, Conv2D, MaxPooling2D, Flatten
from keras import models
from keras.models import Sequential
from keras.preprocessing.image import ImageDataGenerator
import tensorflow as tf
import os
from sklearn import metrics
from tensorflow import keras