Streamlit应用加载CNN模型报错：'NoneType'对象无'input'属性

核心问题 #

报错里的cnn_model是None，说明你从Jupyter导出的CNN模型没在Streamlit脚本里成功加载。

分步排查修复 #

• 确认模型导出方式正确
  在Jupyter里导出Keras模型必须用官方方法，别用pickle/joblib：

  # 导出为H5格式
  cnn_model.save('cnn_model.h5')
  # 或者导出为SavedModel格式（推荐）
  cnn_model.save('cnn_saved_model')
  

• 检查Streamlit中的加载代码与路径
  加载时要确保路径正确，模型文件和脚本的相对位置要对应：

  import tensorflow as tf
  
  # 加载H5模型
  cnn_model = tf.keras.models.load_model('cnn_model.h5')
  # 或者加载SavedModel
  cnn_model = tf.keras.models.load_model('cnn_saved_model')
  

  如果模型不在脚本同目录，用绝对路径，比如：

  cnn_model = tf.keras.models.load_model(r'c:\Users\Chydo\Dissertation\final\cnn_model.h5')
  

• 验证模型加载状态
  在加载代码后加一行验证代码，确认模型是否加载成功：

  print(type(cnn_model))  # 应该输出类似 <class 'keras.engine.sequential.Sequential'>
  

  如果输出还是None，要么是路径写错了，要么是模型文件损坏，重新导出一次试试。

• 处理自定义组件的情况
  如果你的CNN模型包含自定义层、自定义损失或度量函数，加载时要指定custom_objects参数：

  # 假设你有自定义层CustomLayer和自定义损失custom_loss
  cnn_model = tf.keras.models.load_model(
      'cnn_model.h5',
      custom_objects={'CustomLayer': CustomLayer, 'custom_loss': custom_loss}
  )
  

Logistic Regression模型注意事项 #

如果你的LR模型是用Scikit-learn训练的，用joblib/pickle导出加载没问题，但要保证Jupyter和Streamlit环境的Scikit-learn版本一致，避免版本兼容问题。

内容的提问来源于stack exchange，提问作者2000Vee