Python 为什么我们需要在Keras load_模型函数中提到损失函数？

我使用自定义损失函数创建了一个Keras模型并保存了它。当我使用Keras

load_model（）

函数重新加载经过训练的模型进行预测时，我必须将自定义损失函数传递给

custom_objects

参数：

new_model=load_model('yolo_1.model',custom_objects={'custom_loss':custom_loss}) 

---

我的问题是，为什么我们必须在

load\u model（）

中提到自定义损耗函数？我认为在预测过程中不需要损失函数。

这是因为

save

方法的

include\u optimizer

参数默认设置为

True

。因此，优化器和损失函数将被保存，因此，当您使用

load\u model

函数时，它们将被加载

但是，如果您只想使用模型进行预测，则无需保存优化器，因此在保存模型时将

include\u优化器

设置为

False

：

model.save('my_model.h5', include_optimizer=False)

这样，优化器和使用的损失函数将不会被保存，因此您不需要指定加载模型时使用的自定义损失函数