将预训练模型加载到Python脚本时遇invalidkey错误求解决方案

问题核心原因 #

你当前代码里使用的GitHub URL是模型文件的网页展示地址，不是原始文件的下载链接。用这个URL下载到的其实是GitHub的HTML页面，而非真正的pickle模型文件，反序列化时自然会触发invalidkey错误。另外每次调用predict都重复下载模型，既浪费资源又拖慢效率。

修复步骤 #

1. 替换为原始文件下载链接 #

在GitHub的模型文件页面，点击右上角的「Raw」按钮，复制弹出的原始文件URL。你的模型正确下载链接应为：
https://raw.githubusercontent.com/JuanRuedz/Rice-classification-model/48ead0817e633e5f5e295636e7960182119d72cd/cnn.pkl

2. 优化模型加载逻辑 #

将模型加载逻辑移到类初始化阶段，只执行一次，避免重复下载和读取操作。

修复后的完整代码 #

import numpy as np
import pickle
from PIL import Image
import urllib

class Model():
    def __init__(self):
        self.model = None
        self.model_url = 'https://raw.githubusercontent.com/JuanRuedz/Rice-classification-model/48ead0817e633e5f5e295636e7960182119d72cd/cnn.pkl'
        self._load_model()

    def _load_model(self):
        # 优先读取本地模型，避免重复下载
        if not self.model:
            try:
                with open('cnn.pkl', "rb") as f:
                    self.model = pickle.load(f)
            except (FileNotFoundError, pickle.UnpicklingError):
                # 本地无有效文件时重新下载
                response = urllib.request.urlopen(self.model_url)
                with open('cnn.pkl', "wb") as f:
                    f.write(response.read())
                # 加载新下载的模型
                with open('cnn.pkl', "rb") as f:
                    self.model = pickle.load(f)

    def predict(self, file_path):
        img = Image.open(file_path)
        img = np.array(img)
        img = np.expand_dims(img, axis=0)
        pred = self.model.predict(img)
        index = np.where(pred[0] == 1)[0][0]
        return index

额外注意事项 #

• Pickle安全风险：Pickle反序列化不受信任的文件可能导致恶意代码执行，务必确保模型来源可靠。
• 依赖版本一致性：运行环境的依赖库版本（如TensorFlow/Keras）要和模型训练时保持一致，否则可能出现加载或预测错误。

内容的提问来源于stack exchange，提问作者Juan_Ruedz