使用keras load_model模块加载自定义网络层时注意的问题

引言

最近在使用keras自定义网络层时，保存模型时出现了很多bug，困扰了好几天。现在把他总结如下。
keras作为一个封装好的文件直接可以被调用，一直受到初学者的追捧，但是，封装好的模块可能满足不了需求，keras自定义网络层时必须遵守‘八股文’规则所以很受人诟病，下面总结一下在自定义网络层时的bug。

解决方案

• 在使用keras的回调函数checkpoint方式保存模型时要设置参数save_weights_only = False,否则默认只保存权重，不保存网络结构，在调用时还要重新加载网络结构才能使用.hdf5文件，详情参考
  https://zhuanlan.zhihu.com/p/86886620
• 这里默认你已经创造好自己的模型，并已经训练好了，保存了’.hdf5’文件，在重新调用模型时（加载hdf5文件）需要引入你自定义的网络层（from xxx import xxx），再者使用

load_model(filepath,custom_objects={'TCN':TCN,'Attention_layer':Attention_layer(W_regularizer=None, b_regularizer=None,W_constraint=None, b_constraint=None,bias=True))

• 需要注意的是：要加上网络层自定义的参数值