加载.keras模型出现Layer变量不匹配错误的解决方法求助

问题背景 #

在新版TensorFlow中，因保存为.h5格式报错，改用model.save()保存为.keras格式模型，执行加载代码时出现变量不匹配错误：

加载代码 #

from tensorflow.keras.models import load_model
model = load_model('/content/drive/MyDrive/bciv2/SAVE_MODEL/beta_Necker cube.keras')

关键错误信息 #

ValueError: Layer 'dense_1' expected 2 variables, but received 0 variables during loading. Expected: ['dense_1/kernel:0', 'dense_1/bias:0']

因服务器容量限制无法重新训练，需解决加载问题以生成SHAP可视化图。

可行解决方法 #

1. 关闭安全模式加载 #

新版Keras默认开启safe_mode，会严格校验模型变量匹配，尝试关闭该模式加载：

from tensorflow.keras.models import load_model
model = load_model('/content/drive/MyDrive/bciv2/SAVE_MODEL/beta_Necker cube.keras', safe_mode=False)

2. 手动重建模型结构后加载权重 #

若关闭安全模式无效，需手动复刻原模型的完整结构（层名称、参数、输入输出形状必须完全一致），再单独加载权重：

步骤1：重建模型结构

from tensorflow.keras import layers, Model

# 替换为你原模型的实际结构
input_shape = (你的输入特征数,)  # 示例：(128,)
input_layer = layers.Input(shape=input_shape)
x = layers.Dense(64, activation='relu', name='dense_0')(input_layer)
x = layers.Dense(32, activation='relu', name='dense_1')(x)  # 确保层名称与原模型完全一致
output_layer = layers.Dense(你的输出类别数, activation='softmax')(x)
model = Model(inputs=input_layer, outputs=output_layer)

步骤2：加载权重

model.load_weights('/content/drive/MyDrive/bciv2/SAVE_MODEL/beta_Necker cube.keras')

3. 检查模型文件完整性 #

.keras格式实际是一个文件夹，需检查其内部结构：

• 确认文件夹内包含assets、variables子文件夹
• 检查variables文件夹下是否有variables.data-00000-of-00001和variables.index文件
  若文件缺失，说明保存时磁盘空间不足或写入中断，需尝试找回备份文件。

4. 匹配保存模型时的TensorFlow版本 #

不同版本的TensorFlow/Keras对模型保存格式的处理可能存在差异，尝试降级到保存模型时使用的TensorFlow版本：

pip install tensorflow==x.x.x  # 替换x.x.x为保存模型时的版本号

内容的提问来源于stack exchange，提问作者Robiul Islam