keras“；“未知损失函数”；定义自定义损失函数后出错

我在loss.py文件的keras中定义了一个新的loss函数。我关闭并重新启动anaconda提示符，但我得到了

ValueError:（'Unknown loss function'，'：binary\u crossentropy\u 2'）

。我在Windows10上使用python2.7和anaconda运行keras

---

我通过在编译模型的python文件中添加loss函数暂时解决了这个问题。

看起来您正试图通过字符串别名调用该函数，这需要对Keras'

loss.py

进行更多的篡改，以将字符串映射到函数（如果更新包，它将被覆盖，您不应该这样做）。相反，只需在项目中声明函数并将其传递给

loss

参数，例如：

from your.project import binary_crossentropy_2
# ...
model.fit(epochs, loss=binary_crossentropy_2)

---

只要您的函数符合要求，它就可以正常工作。

解决方案是将该函数添加到环境文件夹中keras中的loss.py中。起初，我在anaconda2/pkgs/keras…/loss.py中添加了它，所以我得到了这个错误

环境中loss.py的路径类似于：

---

anaconda2/envs/envname/lib/python2.7/site packages/keras/loss.py

在keras中，我们必须在

加载模式中传递自定义函数

函数：

def my_custom_func():
    # your code
    return
from keras.models import load_model
model = load_model('my_model.h5', custom_objects={'my_custom_func':                   
my_custom_func})

---

我在上述解决方案中运气不佳，但我能够做到：

from keras.models import load_model
from keras.utils.generic_utils import get_custom_objects

get_custom_objects().update({'my_custom_func': my_custom_func})

model = load_model('my_model.h5')

---

我在这里找到了解决方案：

这些解决方案都不适合我，因为我有两个或多个嵌套函数用于多个输出变量

我的解决方案是在加载模型时不编译。稍后，我使用训练模型时使用的损失函数列表编译模型

from tensorflow.keras.models import load_model

# load model weights, but do not compile
model = load_model("mymodel.h5", compile=False)

# printing the model summary 
model.summary()

# custom loss defined for feature 1
def function_loss_o1(weights)
    N_c = len(weights)
    def loss(y_true, y_pred):
        output_loss = ... 
        return output_loss/N_c
    return loss

# custom loss defined for feature 2
def function_loss_o2(weights)
    N_c = len(weights)
    def loss(y_true, y_pred):
        output_loss = ... 
        return output_loss/N_c
    return loss 

# list of loss functions for each output feature
losses = [function_loss_o1, function_loss_o2]

# compile and train the model
model.compile(optimizer='adam', loss=losses, metrics=['accuracy'])

# now you can use compiled model to predict/evaluate, etc
eval_dict = {}
eval_dict["test_evaluate"] = model.evaluate(x_test, y_test, batch_size=batch_size, verbose=0)

---

请提供一些源代码，您无需将loss添加到loss.py中即可使其正常工作。@MatiasValdenegro。我将它添加到loss.py，因为我希望所有模型都能够使用它，而不是在与模型相同的文件中定义它。感谢您的提醒，我现在就这样做。这似乎是一种方法，但我无法从keras导入

。导入二进制\u CrossEntrophy\u 2

错误是：“无法导入名称二进制\u crossentrophy2”您在哪里定义函数？也许可以尝试将声明移动到调用

model.fit（）

的同一个文件中，这样就不需要导入。如果您的项目中有一个名为

keras

的包，这可能是问题所在，因为Python将首先查找分发库。在model.fit函数中似乎不再存在此“loss”参数，我使用的是tensorflow 1.15.0