如何修复Python中Sequential对象无_get_save_spec属性的AttributeError？

问题复现 #

运行以下代码时触发错误：

import tensorflow as tf

model = tf.keras.models.load_model("../mymodel.keras")
model.compile(optimizer='adam', 
              loss='sparse_categorical_crossentropy', 
              metrics=['accuracy'])
model.save('saved_model.keras')

model = tf.keras.models.load_model('saved_model.keras')
model.compile(optimizer='adam', 
             loss='sparse_categorical_crossentropy', metrics= 
             ['accuracy'])

converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert()

错误信息：

AttributeError: 'Sequential' object has no attribute '_get_save_spec'

解决方案 #

以下是几种可行的修复思路：

• 统一TensorFlow版本
  该错误常因模型保存与加载时使用的TensorFlow版本不兼容导致。确保保存原始mymodel.keras的TF版本与当前运行代码的TF版本一致，优先选用官方稳定版（如2.15.x、2.16.x系列）。

• 触发模型完整构建
  Keras Sequential模型采用延迟构建机制，若未经过前向传播，部分内部属性未初始化。可在转换前添加一次dummy输入的预测操作：

  import numpy as np
  # 根据你的模型输入形状调整，示例适配输入为(28,28)的模型
  dummy_input = np.random.rand(1, *model.input_shape[1:])
  model.predict(dummy_input)
  
  # 执行转换
  converter = tf.lite.TFLiteConverter.from_keras_model(model)
  tflite_model = converter.convert()
  

• 改用SavedModel格式转换
  避免使用.keras格式中转，直接将模型保存为SavedModel目录后再执行转换：

  # 替换原代码中的保存与转换逻辑
  model = tf.keras.models.load_model("../mymodel.keras")
  # 转换TFLite无需训练配置，可省略compile步骤
  model.save('saved_model_dir')  # 保存为目录格式
  
  converter = tf.lite.TFLiteConverter.from_saved_model('saved_model_dir')
  tflite_model = converter.convert()
  

• 移除不必要的compile操作
  转换TFLite仅需要模型的推理结构，不需要优化器、损失函数等训练相关配置，可直接去掉两次model.compile()调用，简化流程。

内容的提问来源于stack exchange，提问作者Sandun Jayasooriya