Colab导出LSTM模型本地加载失败，求可行保存方案

在Colab中创建LSTM模型后，使用以下代码保存模型：

model.save("my_model.keras")

本地加载时执行：

from keras.models import load_model
model_2 = load_model("my_model.keras")

触发错误：

ValueError: Could not interpret initializer identifier: {'module': 'keras.initializers', 'class_name': 'Orthogonal', 'config': {'gain': 1.0, 'seed': None}, 'registered_name': None, 'shared_object_id': 133617776692624}

尝试通过自定义对象映射加载：

from keras.initializers import Orthogonal

# 定义自定义对象映射
custom_objects = {'Orthogonal': Orthogonal}

# 加载模型
model_2 = load_model("my_model.keras", custom_objects=custom_objects)

仍出现报错：

ValueError: Unrecognized keyword arguments passed to LSTM: {'batch_input_shape': [None, 1, 6], 'time_major': False}

已尝试通过pip freeze同步依赖环境，但问题未解决。需寻找可从Colab导出并在本地正常导入的模型保存方式。

1. 使用SavedModel格式保存（推荐） #

SavedModel是TensorFlow/Keras的标准保存格式，跨环境兼容性更强，能完整保存模型结构、权重及优化器状态：

Colab中保存： #

model.save("my_lstm_model")  # 无需添加后缀，会自动生成一个文件夹

本地加载： #

from tensorflow.keras.models import load_model

model_2 = load_model("my_lstm_model")

2. 分离保存模型结构与权重 #

若SavedModel仍存在兼容问题，可拆分保存模型结构和权重，手动处理自定义对象：

Colab中保存： #

# 导出模型结构为JSON文件
model_json = model.to_json()
with open("model_structure.json", "w") as json_file:
    json_file.write(model_json)

# 导出模型权重为HDF5文件
model.save_weights("model_weights.h5")

本地加载： #

from tensorflow.keras.models import model_from_json
from tensorflow.keras.initializers import Orthogonal

# 加载模型结构
with open("model_structure.json", "r") as json_file:
    model_structure = json_file.read()
# 加载时指定自定义初始化器
model_2 = model_from_json(model_structure, custom_objects={'Orthogonal': Orthogonal})

# 加载权重
model_2.load_weights("model_weights.h5")

3. 强制统一环境版本 #

版本不一致是跨环境加载模型的常见根源，需确保本地与Colab的TensorFlow/Keras版本完全一致：

步骤1：在Colab中查看版本 #

import tensorflow as tf
print(tf.__version__)
print(tf.keras.__version__)

步骤2：本地安装对应版本 #

pip install tensorflow==x.x.x  # 将x.x.x替换为Colab显示的版本号

内容的提问来源于stack exchange，提问作者elksie5000