TensorFlow/Keras中不启用compile=True加载模型时如何获取编译配置

当你用compile=False加载模型时，仍然可以获取到原有的编译配置（优化器、损失函数、损失权重等）——因为Keras在保存模型时会把这些配置信息存入SavedModel中，compile=False只是不会实例化训练相关的对象，并不会丢弃配置数据。

方法1：直接访问模型的私有编译配置属性 #

加载后的模型对象自带_compile_config私有属性，里面存储了完整的编译配置字典，你可以直接提取所需信息：

import tensorflow as tf

# 以compile=False加载模型
loaded_model = tf.keras.models.load_model('path/to/your/model', compile=False)

# 获取编译配置字典
compile_config = loaded_model._compile_config

# 提取核心配置
loss_config = compile_config['loss']
optimizer_config = compile_config['optimizer']
loss_weights = compile_config.get('loss_weights', None)  # 不存在时返回None

如果需要将配置解析为可直接使用的对象，可以用Keras的get()方法实例化：

# 处理损失函数（支持单输出/多输出场景）
if isinstance(loss_config, dict):
    # 多输出模型，损失函数以字典形式存储
    loss_fns = {output_name: tf.keras.losses.get(cfg) for output_name, cfg in loss_config.items()}
else:
    # 单输出模型
    loss_fn = tf.keras.losses.get(loss_config)

# 实例化优化器
optimizer = tf.keras.optimizers.get(optimizer_config)

方法2：读取SavedModel的元数据 #

如果担心私有属性在未来版本中变动，也可以直接读取SavedModel的元数据：

import tensorflow as tf

# 加载SavedModel原始结构
saved_model = tf.saved_model.load('path/to/your/model')
# 获取Keras专属元数据
keras_metadata = saved_model.keras_metadata
# 提取编译配置
compile_config = keras_metadata['compile_config']

# 后续解析步骤同方法1

注意事项 #

• _compile_config是Keras内部使用的私有属性，在TensorFlow 2.x全系列中稳定可用，但未来版本可能有调整，生产环境使用建议做好兼容性检查。
• 若模型由非常旧的Keras版本保存，配置结构可能略有差异，但核心的损失、优化器信息仍可提取。

内容的提问来源于stack exchange，提问作者lbrandao