dice系数作为损失函数的网络模型如何加载（ValueError: Unknown loss function:dice_coef_loss）

使用深度学习做医学图像分割时，经常会用dice系数作为损失函数。定义的方式网上有很多就不讲了，但在加载时经常遇到麻烦。

使用keras时，一般用load_model()函数加载模型，但无法直接加载dice系数作为损失函数的模型，如果强行加载会报以下的错误：

ValueError: Unknown loss function:dice_coef_loss

怎么解决这个问题呢，其实很简单。

首先可以看一下函数 load_model 的源码，在这里只给出说明部分如下

def load_model(filepath, custom_objects=None, compile=True):
    """Loads a model saved via `save_model`.

    # Arguments
        filepath: String, path to the saved model.
        custom_objects: Optional dictionary mapping names
            (strings) to custom classes or functions to be
            considered during deserialization.
        compile: Boolean, whether to compile the model
            after loading.

    # Returns
        A Keras model instance. If an optimizer was found
        as part of the saved model, the model is already
        compiled. Otherwise, the model is uncompiled and
        a warning will be displayed. When `compile` is set
        to False, the compilation is omitted without any
        warning.

    # Raises
        ImportError: if h5py is not available.
        ValueError: In case of an invalid savefile.
    """

其中的 custom_objects 是可选的字典，在反序列化过程中映射名称（字符串）到要考虑的自定义类或函数，所以可以直接通过字典来制定缺失的指标或者损失函数，如下

# parameter for loss function
smooth = 1.

#  metric function and loss function
def dice_coef(y_true, y_pred):
	y_true_f = K.flatten(y_true)
	y_pred_f = K.flatten(y_pred)
	intersection = K.sum(y_true_f * y_pred_f)
	return (2. * intersection + smooth) / (K.sum(y_true_f) + K.sum(y_pred_f) + smooth)


def dice_coef_loss(y_true, y_pred):
	return -dice_coef(y_true, y_pred)

# load model 
weight_path = './weights.h5'
model = load_model(weight_path,custom_objects={'dice_coef_loss': dice_coef_loss,'dice_coef':dice_coef})

重点看上面代码的最后一行，通过字典指定我们自定义的函数（或许是一个指标，或许是一个损失函数）就可以解决上面的问题。