keras的自定义函数保存在哪里

Keras的自定义函数可以保存在Python文件中，然后通过`from xxx import yyy`的方式进行引用。如果你创建了一个自定义的层或模型，可以将其保存在一个Python文件中，例如：

# 自定义的层
from keras.layers import Layer

class MyLayer(Layer):
    def __init__(self, output_dim, **kwargs):
        self.output_dim = output_dim
        super(MyLayer, self).__init__(**kwargs)

    def build(self, input_shape):
        self.kernel = self.add_weight(name='kernel', 
                                      shape=(input_shape[1], self.output_dim),
                                      initializer='uniform',
                                      trainable=True)
        super(MyLayer, self).build(input_shape)

    def call(self, x):
        return K.dot(x, self.kernel)

    def compute_output_shape(self, input_shape):
        return (input_shape[0], self.output_dim)

# 自定义的模型
from keras.models import Model
from keras.layers import Input, Dense

def MyModel(input_shape, output_shape):
    inputs = Input(shape=input_shape)
    x = Dense(32, activation='relu')(inputs)
    x = MyLayer(output_shape)(x)
    model = Model(inputs=inputs, outputs=x)
    return model

然后在训练模型或者使用该层时，可以通过以下方式进行引用：

from my_module import MyLayer, MyModel

model = MyModel(input_shape=(10,), output_shape=5)
model.compile(loss='mse', optimizer='adam')
model.fit(x_train, y_train, epochs=10)

layer = MyLayer(output_dim=10)

需要注意的是，如果你的自定义函数保存在一个Python文件中，需要确保该文件所在的目录在Python解释器的搜索路径中，或者通过`sys.path.append()`将该目录添加到搜索路径中。