Tensorflow/Keras与Keras-cv YOLO模型保存重载后预测报错求助

加载后的模型中，prediction_decoder属性被反序列化为不可调用的_DictWrapper对象，而非原本的YOLOV8PredictionDecoder实例，导致调用predict()时触发TypeError。

方法1：加载时指定自定义对象（推荐） #

加载模型时，显式传入Keras CV的自定义对象，确保prediction_decoder正确恢复为可调用实例：

from keras_cv.models.object_detection.yolo_v8 import YOLOV8PredictionDecoder

yolo_load = tf.keras.models.load_model(
    'my_yolo_mdl.keras',
    custom_objects={'YOLOV8PredictionDecoder': YOLOV8PredictionDecoder}
)

之后再按训练时的配置重新编译模型：

optimizer = tf.keras.optimizers.legacy.Adam(
    learning_rate=LEARNING_RATE,
    global_clipnorm=GLOBAL_CLIPNORM,
)

yolo_load.compile(
    optimizer=optimizer, classification_loss="binary_crossentropy", box_loss="ciou"
)

方法2：手动重置prediction_decoder #

如果方法1无效，可手动创建与原模型参数一致的YOLOV8PredictionDecoder实例并赋值给加载后的模型：

from keras_cv.models.object_detection.yolo_v8 import YOLOV8PredictionDecoder

# 替换为你训练时的实际参数：类别数量、置信度阈值、NMS阈值等
prediction_decoder = YOLOV8PredictionDecoder(
    classes=YOUR_CLASS_COUNT,
    confidence_threshold=0.25,
    iou_threshold=0.7
)

yolo_load.prediction_decoder = prediction_decoder

完成后即可正常调用yolo_load.predict(img)。

• Keras CV的自定义组件（如YOLOV8PredictionDecoder）无法被TensorFlow默认加载机制自动识别，必须显式声明自定义对象才能正确反序列化。
• 原模型可正常运行是因为其prediction_decoder是完整的可调用实例，而加载时未指定自定义对象导致该属性被错误序列化。

内容的提问来源于stack exchange，提问作者Ben Howey