TensorFlow加载MobileNetV2.h5模型时遇DepthwiseConv2D参数错误

问题场景 #

从GitHub获取人脸反欺诈MobileNetV2模型（.h5格式），上传至Colab后尝试加载并转换为CoreML格式，执行代码时触发错误：ValueError: Unrecognized keyword arguments passed to DepthwiseConv2D: {'groups': 1}。将TensorFlow从2.17降级至2.16后问题仍未解决。

执行代码 #

import tensorflow as tf
import coremltools as ct

model = tf.keras.models.load_model('/content/MobileNetV2.h5')
print(model.summary())

完整报错信息 #

ValueError                                Traceback (most recent call last)
/usr/local/lib/python3.10/dist-packages/keras/src/ops/operation.py in from_config(cls, config)
    233         try:
--> 234             return cls(**config)
    235         except Exception as e:

16 frames
ValueError: Unrecognized keyword arguments passed to DepthwiseConv2D: {'groups': 1}

During handling of the above exception, another exception occurred:

TypeError                                 Traceback (most recent call last)
/usr/local/lib/python3.10/dist-packages/keras/src/ops/operation.py in from_config(cls, config)
    234             return cls(**config)
    235         except Exception as e:
--> 236             raise TypeError(
    237                 f"Error when deserializing class '{cls.__name__}' using "
    238                 f"config={config}.\n\nException encountered: {e}"

TypeError: Error when deserializing class 'DepthwiseConv2D' using config={'name': 'expanded_conv_depthwise', 'trainable': True, 'dtype': 'float32', 'kernel_size': [3, 3], 'strides': [1, 1], 'padding': 'same', 'data_format': 'channels_last', 'dilation_rate': [1, 1], 'groups': 1, 'activation': 'linear', 'use_bias': False, 'bias_initializer': {'class_name': 'Zeros', 'config': {}}, 'bias_regularizer': None, 'activity_regularizer': None, 'bias_constraint': None, 'depth_multiplier': 1, 'depthwise_initializer': {'class_name': 'GlorotUniform', 'config': {'seed': None}}, 'depthwise_regularizer': None, 'depthwise_constraint': None}.

原因分析 #

模型保存时使用的TensorFlow/Keras版本，在DepthwiseConv2D层中写入了groups参数，但当前环境的Keras版本不支持该参数——DepthwiseConv2D本质是逐通道卷积，groups默认等于输入通道数，无需额外指定。

解决方法 #

方法1：自定义加载逻辑过滤无效参数 #

在加载模型时传入自定义对象处理函数，移除不支持的groups参数：

import tensorflow as tf
from tensorflow.keras.layers import DepthwiseConv2D

def custom_depthwise_conv2d(config):
    # 移除groups参数（如果存在）
    config.pop('groups', None)
    return DepthwiseConv2D.from_config(config)

# 加载模型时指定自定义解析逻辑
model = tf.keras.models.load_model(
    '/content/MobileNetV2.h5',
    custom_objects={'DepthwiseConv2D': custom_depthwise_conv2d}
)
print(model.summary())

方法2：匹配模型保存时的TensorFlow版本 #

查找模型原始保存时使用的TensorFlow版本，在Colab中安装对应版本：

!pip install tensorflow==x.x.x

将x.x.x替换为模型保存时的具体版本号，安装完成后重新加载模型即可。

方法3：重新导出模型（若有原始训练权限） #

如果能获取模型的原始训练代码，在当前环境重新训练并保存模型，或用当前版本的Keras重新导出.h5文件，从根源避免参数兼容问题。

内容的提问来源于stack exchange，提问作者Sai Balaji K