Загрузка модели keras с пользовательскими потерями на основе входных данных

Question

У меня есть пользовательская потеря, которая использует один из входов для модели.

def closs(labels,latent_dim):
  def loss(y_true,y_pred):
    return metric_learning.contrastive_loss(labels=labels,
                        embeddings_anchor=y_pred[:,:latent_dim],
                        embeddings_positive=y_pred[:,latent_dim:])
return loss

Где метки - это входные данные для модели. Архитектура модели:

def build_model():
  left_input = Input(shape=(2900,1))
  right_input = Input(shape=(2900,1))
  label = Input(shape=(1,))

  encoder = build_encoder()

  left_embed = encoder(left_input)
  right_embed = encoder(right_input)

  embeds = Concatenate()([left_embed,right_embed])

  model = Model(inputs=[left_input,right_input,label],outputs=[embeds])
  return model, label

Затем я использую возвращенную метку для компиляции модели:

model,label = build_model()
model.compile(optimizer='adam',loss=closs(label,256))

Но когда я пытаюсь загрузить модель, я должен пройти это потеря как custom_object, так что-то вроде этого:

model = load_model('model/cl_model.h5',custom_objects={'loss':closs(xyz,256)})

Проблема в том, что я загружаю модель в другой сценарий python, и поэтому у меня нет входного объекта "label" , Как я могу преодолеть это?

Answer 1

Используете ли вы веса для переобучения модели или просто для прогнозирования новых данных? В случае только прогнозирования вы можете просто использовать

model.load_weights('model/cl_model.h5') 

после определения вашей модели, вам не нужно будет передавать функцию потерь, поскольку она используется только для прогнозирования.