Python Tensorflow 1.14+；序列化子类Keras层？

我已经阅读了Tensorflow Keras文档，例如

我有一个简单的子类层：

class SimpleLayer(tf.keras.layers.Layer):
    def __init__(self, filters, kernel_size, **kwargs):
        super(SimpleLayer, self).__init__()
        self.filters = filters
        self.kernel_size = kernel_size
        self.c1 = tf.keras.layers.Conv1D(filters, kernel_size, padding='same', activation='relu')
        self.c2 = tf.keras.layers.Conv1D(filters, kernel_size, padding='same')

    def call(self, inputs):
        x = inputs
        x = self.c1(x)
        x = self.c2(x)
        return x

    def get_config(self):
        # config = super(tf.keras.layers.Layer, self).get_config()
        config = {}
        config.update({
            'filters': self.filters,
            'kernel_size': self.kernel_size,
        })
        return config

然后有一个功能模型：

x=tf.keras.Inputs（…）
#一些干酪层
y=tf.keras.layers。。。（十）
#我的keras图层
y=简单层（…）（y）
#一些干酪层
y=tf.keras.layers。。。（y）
y=tf.keras.layers.致密（1）（y）
模型=tf.keras.model（输入=x，输出=y）
model.compile（…）
模型拟合（…）
model.save（'model.h5'）

然后我可以将模型加载为：

tf.keras.models.load_model（'model.h5'））

但我得到：

ValueError: Unknown layer: SimpleLayer

从：

如果需要将自定义层序列化为功能模型的一部分，可以选择实现get_config方法

我有

---

我做错了什么？

您需要在加载过程中告诉keras您的自定义层，您可以使用

自定义对象

参数执行此操作：

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