加载pickle模型报错：No module named 'keras.saving.pickle_utils'求助

核心原因 #

Google Colab默认的TensorFlow版本通常比你本地的2.13.0更新，或是Colab中Keras的版本/导入结构和本地存在差异。keras.saving.pickle_utils模块在较新的TensorFlow集成Keras版本中可能已被重命名或迁移到tf.keras.saving.pickle_utils路径，但你的本地TF2.13.0中没有独立的keras模块路径（TF2.x中Keras是作为子模块集成的，而非独立包）。

另外，你的model.pkl大概率是在Colab环境下保存的，当时的环境允许直接导入keras.*，但本地TF2.13.0仅支持tf.keras.*的导入方式，导致加载pickle时找不到对应模块。

解决方案 #

方案1：调整本地环境的Keras导入路径兼容 #

在加载模型的代码前添加以下内容，将keras指向tf.keras：

import sys
import tensorflow as tf
sys.modules['keras'] = tf.keras

之后再加载model.pkl，这样pickle寻找keras.saving.pickle_utils时会自动映射到tf.keras.saving.pickle_utils。

方案2：统一本地与Colab的TensorFlow版本 #

在Colab中运行!pip show tensorflow查看当前使用的版本，然后在本地安装相同版本：

pip install tensorflow==<Colab中的版本号>

版本一致后，模块路径的差异会消除，模型加载即可正常运行。

方案3：重新保存模型（推荐） #

避免用pickle保存Keras/TensorFlow模型，官方推荐使用model.save()保存为HDF5（.h5）或SavedModel格式，跨环境兼容性更好：

# 在Colab中重新保存模型
model.save('my_model.h5')  # 或 model.save('my_saved_model') 保存为SavedModel格式

本地加载时使用：

from tensorflow.keras.models import load_model
model = load_model('my_model.h5')  # SavedModel格式用 tf.keras.models.load_model('my_saved_model')

验证步骤 #

1. 先尝试方案1，快速验证是否为路径映射问题；
2. 若方案1无效，检查Colab和本地的TF版本差异，执行方案2；
3. 长期来看优先使用方案3，遵循官方模型保存规范，避免此类兼容性问题。

内容的提问来源于stack exchange，提问作者Thành Trịnh Văn