TensorFlow带TimeDistributed封装模型的保存与加载问题求助

错误原因 #

你遇到的ValueError: Cannot convert '16' to a shape是因为：

• 模型未明确指定输入形状，导致TimeDistributed层序列化时丢失了序列维度（16）的关键信息
• 预训练EfficientNetB0未绑定固定输入形状，加载时Keras无法正确推断TimeDistributed的输入维度

修正后的模型定义 #

首先需要明确输入形状并完成模型构建，确保所有层的形状信息被正确记录：

import tensorflow as tf

# 预训练模型指定单帧输入形状
net = tf.keras.applications.EfficientNetB0(include_top=False, input_shape=(224, 224, 3))
net.trainable = False

# Sequential模型开头明确完整输入形状
model = tf.keras.Sequential([
    tf.keras.layers.Input(shape=(16, 224, 224, 3)),
    tf.keras.layers.Rescaling(scale=1/255),  # 修正：将0-255像素归一化到0-1，符合EfficientNet输入要求
    tf.keras.layers.TimeDistributed(net),
    tf.keras.layers.GlobalAveragePooling3D(),  # 先做3D全局平均池化，再连接全连接层
    tf.keras.layers.Dense(10)
])

# 强制模型完成构建（可选，也可以用样例输入触发）
model.build((None, 16, 224, 224, 3))

方法1：完整模型保存与加载（推荐） #

修正模型后，使用Keras原生的完整保存方法即可正常加载：

# 保存模型
model.save('video_classifier.keras')

# 加载模型
loaded_model = tf.keras.models.load_model('video_classifier.keras')

# 验证加载结果
dummy_input = tf.random.normal((1, 16, 224, 224, 3))
print(loaded_model(dummy_input).shape)  # 输出应为 (1, 10)

方法2：JSON结构+权重分离保存与加载 #

如果需要分离保存结构和权重，确保模型已完成构建后再序列化：

# 保存结构与权重
model_json = model.to_json()
with open("video_classifier.json", "w") as json_file:
    json_file.write(model_json)
model.save_weights("video_classifier.weights.h5")

# 加载结构与权重
from tensorflow.keras.models import model_from_json

json_file = open('video_classifier.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
loaded_model.load_weights("video_classifier.weights.h5")

# 验证加载结果
dummy_input = tf.random.normal((1, 16, 224, 224, 3))
print(loaded_model(dummy_input).shape)  # 输出应为 (1, 10)

额外注意事项 #

• 原模型中Dense(10)放在GlobalAveragePooling3D()之前虽然不会报错，但先池化再做全连接更符合常规视频分类模型的结构，且能减少计算量
• Rescaling层的scale参数需修正为1/255，否则会将像素值放大到不合理范围，影响模型推理结果

内容的提问来源于stack exchange，提问作者Mohammed Khan