在PyCharm中运行Teachable Machines目标识别器时遇报错

问题场景 #

在Windows系统的PyCharm中运行从Teachable Machines复制的目标识别脚本，脚本需加载本地keras_Model.h5模型与labels.txt标签文件，实现图片目标识别并输出结果。已安装TensorFlow、NumPy、Pillow、Keras等依赖，但加载模型时触发如下错误：

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

报错原因 #

Teachable Machines导出的.h5模型基于旧版Keras/TensorFlow构建，其中DepthwiseConv2D层包含groups参数；而新版Keras（尤其是Keras 3.x）重构了卷积层实现，DepthwiseConv2D不再支持groups参数，导致模型反序列化失败。

解决方案 #

方案1：降级到兼容的TensorFlow/Keras版本 #

卸载当前版本，安装与模型兼容的旧版本（推荐TensorFlow 2.15.x，对应Keras 2.15.x）：

pip uninstall keras tensorflow -y
pip install tensorflow==2.15.0

注：TensorFlow 2.x会自带对应版本的Keras，无需单独安装Keras包。

方案2：自定义模型加载逻辑过滤无效参数 #

若不想降级，可自定义DepthwiseConv2D类，加载时自动移除不支持的groups参数：
修改原脚本中的模型加载部分为以下代码，其余代码保持不变：

from keras.models import load_model
from keras.layers import DepthwiseConv2D

# 自定义DepthwiseConv2D，过滤groups参数
class CustomDepthwiseConv2D(DepthwiseConv2D):
    def __init__(self, **kwargs):
        kwargs.pop('groups', None)
        super().__init__(**kwargs)

# 加载模型时指定自定义类
model = load_model("keras_Model.h5", compile=False, custom_objects={'DepthwiseConv2D': CustomDepthwiseConv2D})

方案3：重新导出兼容的模型格式 #

若条件允许，重新访问Teachable Machines，选择导出TensorFlow SavedModel格式（而非.h5），然后使用TensorFlow原生API加载：

import tensorflow as tf

# 加载SavedModel模型
model = tf.saved_model.load("你的SavedModel文件夹路径")
# 预测逻辑需调整为SavedModel的调用方式，示例：
infer = model.signatures["serving_default"]
prediction = infer(tf.convert_to_tensor(data))

验证 #

修改完成后，替换脚本中的<IMAGE_PATH>为实际图片路径，运行脚本即可正常加载模型并输出识别类别与置信度。

内容的提问来源于stack exchange，提问作者Oliver Schneck