调用tf.keras.models.load_model加载Keras模型时出现AttributeError错误求助

问题与解决方法 #

问题详情 #

使用代码Loaded_model = tf.keras.models.load_model('model.keras')（或.h5格式）加载本地保存的模型时触发以下错误：

AttributeError: Exception encountered when calling Flatten.call().
'list' object has no attribute 'shape'

环境信息：

• TensorFlow版本：2.16.1
• Python版本：3.12.2
• 异常现象：本地保存的两种格式模型均无法加载；相同代码在Google Colab中可正常保存并加载，但Colab加载本地训练的模型同样失败。

可能原因 #

错误核心是Flatten层接收到的输入是列表对象而非预期的张量，通常出现在迁移学习场景中：部分预训练模型的output属性返回的是张量列表（而非单个张量），若直接将其传入Flatten层，保存模型后会导致加载时序列化异常。

解决步骤 #

1. 修复模型构建代码
   检查模型定义中Flatten层的输入来源，若使用预训练模型，确保取到的是单个张量而非列表。例如：

   # 错误写法：直接传入预训练模型的output（可能是列表）
   x = Flatten()(base_model.output)
   
   # 正确写法：取列表中的第一个张量（根据实际情况调整索引）
   x = Flatten()(base_model.output[0])
   

   重新训练并保存模型后，即可正常加载。

2. 加载权重而非完整模型（适用于已训练完成的模型）
   若无法重新训练，可先构建结构正确的模型，再单独加载权重：

   # 先构建与训练时一致的正确模型结构
   def build_model():
       base_model = tf.keras.applications.ResNet50(weights='imagenet', include_top=False)
       x = Flatten()(base_model.output[0])  # 确保输入是单个张量
       outputs = tf.keras.layers.Dense(10, activation='softmax')(x)
       return tf.keras.Model(inputs=base_model.input, outputs=outputs)
   
   model = build_model()
   # 加载权重文件（注意保存时需用model.save_weights()）
   model.load_weights('model_weights.h5')
   

3. 排查路径与版本一致性

   • Windows系统中路径需使用双反斜杠\\或原始字符串r'path/to/model'，避免转义字符问题；
   • 确认本地与Colab的TensorFlow版本完全一致，细微版本差异可能导致序列化不兼容。

内容的提问来源于stack exchange，提问作者Tharindu Madhusanka