此问题已在此处有答案：

Loading model with custom loss + keras（5个答案）
4天前关闭。
我有一个迁移学习模型，我使用了VGG 16，然后添加了一些dense，dropout和batch_normalization层。我训练了模型，并使用model.save('Study3_v1.h5')命令将其保存为Study3_v1.h5。
然而，当我尝试使用model = tf.keras.models.load_model('Study3_v1.h5')命令加载它时，它给了我下面的错误：
ValueError: Unknown metric function: f1_score. Please ensure this object is passed to the自定义对象argument. See https://www.tensorflow.org/guide/keras/save_and_serialize#registering_the_custom_object for details.
我认为导致错误的是我在编译和训练模型之前使用的回调或指标，它们的代码如下：

def f1_score(y_true, y_pred): #taken from old keras source code
    true_positives = K.sum(K.round(K.clip(y_true * y_pred, 0, 1)))
    possible_positives = K.sum(K.round(K.clip(y_true, 0, 1)))
    predicted_positives = K.sum(K.round(K.clip(y_pred, 0, 1)))
    precision = true_positives / (predicted_positives + K.epsilon())
    recall = true_positives / (possible_positives + K.epsilon())
    f1_val = 2*(precision*recall)/(precision+recall+K.epsilon())
    return f1_val

METRICS = [
      tf.keras.metrics.BinaryAccuracy(name='accuracy'),
      tf.keras.metrics.Precision(name='precision'),
      tf.keras.metrics.Recall(name='recall'),  
      tf.keras.metrics.AUC(name='auc'),
        f1_score,
]

lrd = ReduceLROnPlateau(monitor = 'val_loss',patience = 20,verbose = 1,factor = 0.50, min_lr = 1e-10)

mcp = ModelCheckpoint('model.h5')

es = EarlyStopping(verbose=1, patience=20)

编译模型：

model.compile(optimizer='Adam',loss='categorical_crossentropy',metrics=METRICS)

训练模型：

history=model.fit(train_dataset,validation_data=valid_dataset,epochs = 5,verbose = 1,callbacks=[lrd,mcp,es])

是什么导致了这个错误？我需要向load_model函数添加哪些自定义对象
先谢谢你了！