TensorFlow从2.15.0升级到2.17.0后加载.h5模型报错

以下是几个无需重新训练模型的可行方案：

方案1：自定义兼容LSTM类，加载时忽略未知参数 #

新版本Keras（3.x）的LSTM层不再将time_major作为初始化参数（该参数现在属于call方法的调用参数），加载旧模型时会因参数不兼容报错。你可以定义一个兼容类，在初始化时自动过滤掉不被支持的参数：

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

class CompatLSTM(LSTM):
    def __init__(self, *args, **kwargs):
        # 移除新版本不支持的time_major参数
        kwargs.pop('time_major', None)
        super().__init__(*args, **kwargs)

# 加载模型时指定自定义兼容类
model = tf.keras.models.load_model('your_model.h5', custom_objects={'LSTM': CompatLSTM})

方案2：在旧环境中将模型转为SavedModel格式 #

.h5是Keras旧格式，跨版本兼容性弱；SavedModel是TensorFlow原生格式，对版本迭代的适配性更好。在TensorFlow 2.15环境中执行以下操作：

# 旧环境加载原模型
old_model = tf.keras.models.load_model('your_model.h5')
# 保存为SavedModel格式
old_model.save('saved_model_dir')

之后在新项目（TensorFlow 2.17/Keras 3.5）中直接加载SavedModel：

model = tf.keras.models.load_model('saved_model_dir')

SavedModel会自动处理层参数的版本兼容问题，通常能直接解决错误。

方案3：修正模型配置的正确流程（针对你之前的修改尝试） #

如果之前修改model_config未生效，可能是操作流程有误。正确步骤如下：

1. 在旧环境加载模型并提取配置：

   model = tf.keras.models.load_model('your_model.h5')
   config = model.get_config()
   

2. 遍历配置中的层，移除LSTM层的time_major参数：

   for layer in config['layers']:
       if layer['class_name'] == 'LSTM':
           layer['config'].pop('time_major', None)
   

3. 用修改后的配置重建模型并加载原权重：

   new_model = tf.keras.Model.from_config(config)
   new_model.set_weights(model.get_weights())
   # 保存修正后的模型
   new_model.save('fixed_model.h5')
   

4. 在新项目中加载这个修正后的模型即可。

内容的提问来源于stack exchange，提问作者Alessandro Chiari