Colab可加载.h5预训练模型，本地Jupyter加载失败求助

API 探路者

2026-6-26

问题分析与解决方案

核心原因

报错的关键是模型中BatchNormalization层的axis参数被保存为列表格式[3]，但你本地的Keras/TensorFlow版本要求axis是整数类型，而Colab环境使用的版本支持列表格式的axis，导致版本兼容性问题。

解决方案

1. 对齐Colab与本地的TensorFlow/Keras版本

在Colab和本地Jupyter中分别执行以下命令查看版本：

import tensorflow as tf
print(tf.__version__)

将本地环境的TensorFlow版本升级/降级至与Colab一致，这是最直接解决版本兼容问题的方法。例如如果Colab用的是2.15.0，本地执行：

pip install tensorflow==2.15.0

2. 自定义加载逻辑处理BatchNormalization配置

如果不想调整版本，可以通过自定义对象修正BatchNormalization的配置，将列表格式的axis转为整数：

from keras.models import load_model
from keras.layers import BatchNormalization

# 修正BatchNormalization的配置，将axis从列表转为整数
def fix_batchnorm_config(config):
    if 'axis' in config and isinstance(config['axis'], list):
        config['axis'] = config['axis'][0]
    return config

# 继承BatchNormalization，重载from_config方法
class FixedBatchNormalization(BatchNormalization):
    @classmethod
    def from_config(cls, config):
        config = fix_batchnorm_config(config)
        return super().from_config(config)

# 加载模型时指定自定义对象
model = load_model('Desktop/test_set/eyedetection.h5', custom_objects={'BatchNormalization': FixedBatchNormalization})