问题的原因可能是自定义运算符代码未正确导入到DAG文件中。为解决这个问题，可以将自定义运算符的代码放在一个Python模块中，然后在DAG文件中导入它。

下面是一个示例，假设我们有一个自定义运算符，它被称为CustomOperator，我们将其放在文件夹my_operators中的my_operator.py中。我们可以在DAG文件中按如下方式导入CustomOperator：

from airflow import DAG
from datetime import datetime
from my_operators.my_operator import CustomOperator

default_args = {
    'start_date': datetime(2021, 9, 1),
    'retries': 1,
    'retry_delay': timedelta(minutes=5)
}

with DAG('my_dag', default_args=default_args, schedule_interval='@hourly') as dag:
    
    task_1 = CustomOperator(task_id='task_1')
    task_2 = CustomOperator(task_id='task_2')
    
    task_1 >> task_2

在这里，我们导入了my_operator.py文件中的CustomOperator，并将其用作DAG中的两个任务。这样做的好处是我们可以将自定义运算符的代码单独放置在一个文件中，并在需要时使用。

另外，确保DAG文件和自定义运算符文件都在同一个Airflow工作目录中。

希望这个解决方法可以帮助到您。