用keras调用load_model时报错ValueError:

出现该错误原因: 保存的model中包含了自定义的层（Custom Layer），导致加载模型的时候无法解析该Layer。参考https://github.com/keras-team/keras/issues/8612

以加入SelfAttention层为例

1. 在load_model函数中添加custom_objects参数，该参数接受一个字典，键值为自定义的层：

model = load_model(model_path, custom_objects={'AttLayer': AttLayer})  # 假设自定义的层的名字为AttLayer

解释：此处 第一个AttLayer 应该替换成打印模型我们看到的该层的名字，即所定义层的类名，如以加入SelfAttention模块为例。
在训练模型时，我们的用法是conv1 = SelfAttention(ch)(x)

from ...  import SelfAttention
attention = SelfAttention()
model = load_model(model_path, custom_objects={'SelfAttention': attention})  

2. 继续报错 ValueError: Unknown Layer:LayerName 这种形式，可尝试使用对象的方法，可能是keras版本不一样的问题，我使用的是keras 2.2.4用的是这个方法：

from keras.utils import CustomObjectScope
with CustomObjectScope({'SelfAttention': attention}):
    model = load_model('my_model.h5')

3. 可能还会碰到的问题，在SelfAttention( )类定义中，初始化时应该给ch默认值，且需要与传入值一致，比如，层定义时我们对ch传入默认值
   编写自己的层，参考keras官方文档https://keras-cn.readthedocs.io/en/latest/layers/writting_layer/

class SelfAttention(Layer):

   def __init__(self, ch=256, **kwargs):
       super(SelfAttention, self).__init__(**kwargs)
       self.channels = ch
       self.filters_f_g = self.channels // 8
       self.filters_h = self.channels
       super(SelfAttention, self).__init__()

def build(self, input_shape):
def call(self, x):
def compute_output_shape(self, input_shape):

否则加载模型时会告诉你无法完成初始化类错误。
如
Type Error: __ init__() takes exactly 2 arguments (1 given ) 或者是 通道数维度不匹配等问题