在Google Colab反序列化模型遇ValueError：dense_50变量不匹配

问题根源 #

你遇到的是TensorFlow/Keras版本差异导致的序列化兼容问题：本地Spyder使用的旧版Keras层定义，和Colab上新版Keras的Dense层变量结构不匹配。pickle保存的模型完全依赖训练时的层实现逻辑，新版环境加载时无法识别旧层的变量结构，从而抛出错误。

无需重新训练的解决方案 #

方案1：加载前强制映射legacy层 #

在Colab加载pickle文件前，先将Keras默认的Dense层替换为legacy兼容版本，让反序列化过程使用旧的层实现逻辑：

import tensorflow as tf
from tensorflow.keras.layers import legacy

# 覆盖默认Dense层为兼容旧版本的legacy版本
tf.keras.layers.Dense = legacy.Dense

# 再执行原加载代码
DATA_PATH ="/content/drive/MyDrive/Matt/Codes/FlowshopProblemCode_rev3"
infile = open(DATA_PATH+'/singleMachineModel.pickle','rb')
model = pickle.load(infile)

方案2：本地转存为Keras官方格式（更稳定） #

如果方案1无效，回到本地Spyder环境，把pickle中的模型转存为Keras官方支持的格式，再上传到Colab加载：

1. 本地Spyder执行：

import pickle
from tensorflow.keras.models import save_model

# 加载本地pickle模型
infile = open('singleMachineModel.pickle','rb')
model = pickle.load(infile)
# 转存为HDF5格式（官方推荐）
save_model(model, 'singleMachineModel.h5')

2. 将singleMachineModel.h5上传到Google Drive对应路径，Colab中加载：

from tensorflow.keras.models import load_model

DATA_PATH ="/content/drive/MyDrive/Matt/Codes/FlowshopProblemCode_rev3"
model = load_model(DATA_PATH+'/singleMachineModel.h5')

额外提示 #

• 尽量避免用pickle保存Keras模型，官方save_model/load_model的兼容性和稳定性远高于pickle。
• 如果仍有问题，可检查本地与Colab的TensorFlow版本，通过!pip install tensorflow==x.x.x在Colab中指定与本地一致的版本。

内容的提问来源于stack exchange，提问作者MG117