TensorFlow模型加载失败求助：Docker训练模型无法在主机加载

1. .keras文件加载报「OSError: Unable to open file (file signature not found)」 #

• 对齐TensorFlow版本：.keras是TensorFlow 2.10及以上版本的默认保存格式，主机端TF版本低于这个的话，根本识别不了文件签名。把Docker和主机的TF版本统一，尽量用同一个大版本。
• 检查文件完整性：从Docker复制模型到主机时，用docker cp可能出现文件损坏。重新复制一次，然后用md5sum这类工具对比容器内和主机上的文件哈希值，确认文件没传坏。
• 保存时用绝对路径：Docker里保存模型别用相对路径，用绝对路径指定保存位置，避免存错地方，导致复制到主机的是空文件。

2. .h5文件加载报「TypeError: init() got an unexpected keyword argument 'fn'」 #

• 注册自定义对象：训练时如果用了自定义层、自定义损失函数或者度量函数，加载时必须把这些对象注册进去。比如你有个叫MyCustomLayer的自定义层，加载代码要写成：

  from my_custom_modules import MyCustomLayer
  model = tf.keras.models.load_model("model.h5", custom_objects={"MyCustomLayer": MyCustomLayer})
  

• 统一TF版本：Docker和主机的TF版本差太多也会出这问题，比如容器用2.15，主机用2.8，部分API参数变了，加载时就会报错。把两边版本调到同一个稳定版就行。

3. .h5文件加载报「ValueError: The last dimension of the inputs to a Dense layer should be defined. Found None. Full input shape received: (None, None)」 #

• 固定输入层形状：训练时输入层别写Input(shape=(None,))这种动态形状，要指定明确的最后一维，比如你的数据特征是128维，就写Input(shape=(128,))，重新训练后再保存。
• 加载后显式构建模型：如果必须用动态输入，加载完模型后手动指定输入形状构建模型：

  model = tf.keras.models.load_model("model.h5")
  model.build(input_shape=(None, 128))  # 替换成你实际的输入特征维度
  

• 保存前确认模型结构：训练完后先跑model.summary()，确认输入输出形状都明确了，再保存模型，别存了个结构不完整的模型。

内容的提问来源于stack exchange，提问作者The Governor