高版本Keras保存模型无法在低版本TensorFlow加载的OSError求助

环境信息 #

• Kaggle训练环境：TensorFlow 2.15.0，Keras 3.4.1，使用GPU训练，代码及数据集来自《Deep Learning With Python第二版》
• 本地运行环境：conda环境，TensorFlow-GPU 2.6.0，Keras 2.6.0，基于Jupyter Notebook

训练时保存模型的代码 #

model.compile(optimizer="rmsprop", loss="sparse_categorical_crossentropy")
callbacks = [
 keras.callbacks.ModelCheckpoint("/kaggle/working/checkpoint.model.keras",
 save_best_only=True)
]
history = model.fit(train_input_imgs, train_targets,
 epochs=50,
 callbacks=callbacks,
 batch_size=64,
 validation_data=(val_input_imgs, val_targets))

本地加载模型的代码 #

from tensorflow.keras.utils import array_to_img
model = keras.models.load_model("F:\deeplearning\model_segmentation\model\checkpoint.model.keras")
i = 4
test_image = val_input_imgs[i]
plt.axis("off")
plt.imshow(array_to_img(test_image))
mask = model.predict(np.expand_dims(test_image, 0))[0]
def display_mask(pred):
 mask = np.argmax(pred, axis=-1)
 mask *= 127
 plt.axis("off")
 plt.imshow(mask)
display_mask(mask)

报错信息 #

OSError: SavedModel file does not exist at: F:\deeplearning\model_segmentation\model\checkpoint.model.keras{saved_model.pbtxt|saved_model.pb}

已尝试的解决方法 #

• 曾尝试降级Kaggle的TensorFlow版本，但降级后无法使用GPU，不符合训练需求。

内容的提问来源于stack exchange，提问作者文中宇