如何在TensorFlow 2.x最新架构中复用Keras 2.1.1（TF1.x）旧模型并重训练？

一、加载旧模型到新版TensorFlow/Keras #

1. 用TensorFlow兼容模块直接加载 #

TensorFlow 2.x自带TF1.x兼容工具，在Colab里直接这么操作：

import tensorflow as tf

# 关闭 eager execution，适配TF1.x模型的计算逻辑
tf.compat.v1.disable_eager_execution()

# 加载h5模型
old_model = tf.keras.models.load_model('你的模型文件.h5')

如果模型包含自定义层，加载时要指定自定义层的映射，示例：

# 先定义好你的自定义层类
class YourCustomLayer(tf.keras.layers.Layer):
    # 这里复现旧自定义层的实现逻辑
    pass

# 加载时指定custom_objects参数
old_model = tf.keras.models.load_model('你的模型文件.h5', 
                                       custom_objects={'旧自定义层类名': YourCustomLayer})

2. 转换为SavedModel格式（推荐） #

这个方法能规避大部分兼容性问题，分两步操作：

• 先找个能运行Keras2.1.1的环境（比如Python3.7虚拟环境），把h5模型转成SavedModel格式：

from keras.models import load_model
model = load_model('你的模型文件.h5')
model.save('saved_model文件夹', save_format='tf')

• 将转换后的文件夹传到Colab，直接用新版TensorFlow加载：

import tensorflow as tf
model = tf.keras.models.load_model('saved_model文件夹')

二、重训练/更新模型 #

加载成功后，直接在新版环境里操作即可：

1. 微调现有模型 #

如果只想更新顶层分类层，先冻结底层特征提取层：

# 冻结倒数第2层之前的所有层（根据你的模型结构调整层数）
for layer in model.layers[:-2]:
    layer.trainable = False

# 用新版优化器和损失函数编译模型
model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=1e-4),
              loss=tf.keras.losses.CategoricalCrossentropy(),
              metrics=['accuracy'])

# 用新数据启动训练
model.fit(训练数据集, epochs=10, validation_data=验证数据集)

2. 扩展模型适配新需求 #

如果需要新增输出层（比如适配新的分类类别），可以基于旧模型的特征层搭建新模型：

# 提取旧模型的特征输出层（示例取倒数第3层的输出）
base_model = tf.keras.Model(inputs=model.input, outputs=model.layers[-3].output)
# 添加新的分类输出层
new_output = tf.keras.layers.Dense(新类别数, activation='softmax')(base_model.output)
new_model = tf.keras.Model(inputs=base_model.input, outputs=new_output)

# 编译后启动训练
new_model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=1e-4),
                  loss=tf.keras.losses.CategoricalCrossentropy(),
                  metrics=['accuracy'])
new_model.fit(训练数据集, epochs=10, validation_data=验证数据集)

三、Colab环境的小技巧 #

如果非要临时使用旧版本依赖，也可以在Colab里搭建Python3.7虚拟环境，但操作繁琐，不如转换模型高效。要是想尝试：

!pip install virtualenv
!virtualenv -p python3.7 venv
!source venv/bin/activate && pip install keras==2.1.1 tensorflow==1.15

不过Colab默认Python版本较高，可能需要额外配置，不推荐这种方式。

内容的提问来源于stack exchange，提问作者Marghe_l