这个错误的根源很明确：你使用的segmentation_models库依赖的classification_models组件，在加载ImageNet预训练权重时调用了旧版独立Keras的keras.utils.get_file方法，但当前Google Colab默认使用的是TensorFlow集成的Keras（tf.keras），这个方法在tf.keras里的路径是tf.keras.utils.get_file，两者路径不匹配导致了报错。

下面给你几个可行的解决办法，按推荐程度排序：

方案一：安装适配tf.keras的库分支（最稳定） #

卸载现有可能不兼容的库版本，然后安装专门适配tf.keras的分支：

pip uninstall -y segmentation_models classification_models
pip install git+https://github.com/qubvel/classification_models.git@tf-keras
pip install git+https://github.com/qubvel/segmentation_models.git

安装完成后，重新运行你的代码，就能正常加载ResNet34的ImageNet预训练权重了。这个分支已经把所有Keras相关的调用替换成了tf.keras的API，从根本上解决了版本兼容问题。

方案二：临时修改库源码（快速临时解决） #

如果你不想重新安装库，可以直接修改Colab中classification_models的源码：

1. 在Colab中运行以下命令打开权重加载文件并替换代码：

   !sed -i 's/keras_utils.get_file/tf.keras.utils.get_file/g' /usr/local/lib/python3.7/dist-packages/classification_models/weights.py
   

   这个命令会直接把文件里的keras_utils.get_file替换成tf.keras.utils.get_file
2. 修改完成后，重新运行你的模型初始化代码即可。

注意：这个修改是临时的，重启Colab运行时后需要重新执行这个命令。

方案三：安装独立Keras（不推荐） #

你可以尝试安装独立的旧版Keras来匹配库的调用，但这可能会和Colab默认的TensorFlow版本产生冲突，引发其他问题：

pip install keras==2.4.3

只有前两个方案都无法解决时，再考虑这个选项。

内容的提问来源于stack exchange，提问作者Minwoo Kang