将Keras的.h5模型转为.mlmodel时遇AttributeError问题求助

错误原因 #

你使用的coremltools版本（4.0及以上）已经移除了coremltools.converters.keras模块，统一使用coremltools.convert作为通用转换入口，因此触发AttributeError。

解决方案 #

方案1：适配新版coremltools（推荐） #

直接修改模型转换代码，用coremltools.convert替代旧API，同时优化输入配置：

import coremltools as ct

# 若从本地h5文件加载模型，可使用以下代码
# model = tf.keras.models.load_model('C:\\Users\\user\\Desktop\\work.h5')

# 转换模型，指定输入为图像类型并匹配训练时的归一化规则
coreml_model = ct.convert(
    model,
    inputs=[ct.ImageType(name="image", shape=model.input_shape, scale=1/255)]
)

# 保存转换后的MLModel文件
coreml_model.save("C:\\Users\\user\\Desktop\\handwriting.mlmodel")

关键说明：

• ct.ImageType明确输入为图像格式，scale=1/255对应训练时的像素归一化操作，CoreML模型可直接接收0-255的原始像素值，无需iOS端额外处理。
• 使用TensorFlow内置的Keras加载模型，兼容性更稳定。

方案2：降级coremltools到旧版本（不推荐） #

若坚持使用旧版API，可安装coremltools 3.x版本：

pip install coremltools==3.3

安装后原有转换代码可正常运行，但旧版本不支持新的TensorFlow/Keras特性，后续维护存在隐患。

额外优化建议 #

替换单独的Keras包为TensorFlow整合的tensorflow.keras，避免版本兼容问题，修改导入部分：

import tensorflow as tf
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPool2D, Dense, Dropout, Flatten
import coremltools as ct

内容的提问来源于stack exchange，提问作者Mohamed Mahmod