load_model 如何导入自定义的loss 函数
训练一个lstm模型，然后保存为model.h5文件，之后load_model("model.h5") 出错，错误如下
ValueError: Unknown loss function:root_mean_squared_error
原因：训练模型时的loss函数是自己定义的RMSE函数，如下：
def root_mean_squared_error(y_true, y_pred):
return K.sqrt(K.mean(K.square(y_pred - y_true), axis=-1))
在此更正一下，RMSE 函数定义应该没有axis=-1，上面那个函数应该是定义的MAE
def root_mean_squared_error(y_true, y_pred):
return K.sqrt(K.mean(K.square(y_pred - y_true)))
模型编译如下：
model.compile(optimizer = "rmsprop", loss = root_mean_squared_error, metrics =["accuracy"])
经过网上查找，找到一个快速并且有效的解决办法，在这里和大家分享，希望可以帮助小伙伴，解决同样的issue
需要再将root_mean_squared_error定义一遍，就是再写一遍（如何在你的script中已经存在root_mean_squared_error函数，就不需要重新定义了。我是写了两个scripts，一个用于模型训练，一个用于模型应用new data进行regression）
def root_mean_squared_error(y_true, y_pred):
return K.sqrt(K.mean(K.square(y_pred - y_true)))
然后在load_model中加入一个参数custom_objects如下：
model = load_model('model.h5', custom_objects={'root_mean_squared_error': root_mean_squared_error})
