Python中使用TensorFlow/Keras加载h5模型失败求助

你的问题根源在于：你手里的model.h5.meta、model.h5.index、model.h5.data-00000-of-00001是TensorFlow Checkpoint检查点格式，不是Keras保存的单一.h5完整模型文件，所以keras.models.load_model()无法直接加载这类文件。

下面是两种可行的解决方法：

方法1：直接用TensorFlow Checkpoint恢复模型 #

需要先复现和训练时完全一致的模型结构，再通过Checkpoint加载权重：

import tensorflow as tf
from tensorflow import keras

# 复现训练时的模型结构（必须和训练代码完全一致）
def build_training_model():
    model = keras.Sequential([
        # 示例层，替换成你实际的模型层
        keras.layers.Dense(64, activation='relu', input_shape=(32,)),
        keras.layers.Dense(10, activation='softmax')
    ])
    return model

# 初始化模型
model = build_training_model()
# 创建Checkpoint对象，绑定要恢复的模型
checkpoint = tf.train.Checkpoint(model=model)
# 加载检查点，路径传入检查点前缀（即model.h5，无需加后缀）
# 若有部分变量未被恢复（如优化器状态），可加.expect_partial()避免报错
checkpoint.restore("./model.h5").expect_partial()

# 验证模型可用
# test_input = tf.random.normal((1, 32))
# print(model.predict(test_input))

方法2：转换为Keras完整.h5模型文件 #

如果需要用keras.models.load_model()加载，可以先加载权重到模型，再保存为完整Keras模型：

import tensorflow as tf
from tensorflow import keras

# 同样先复现模型结构
model = build_training_model()
# 加载Checkpoint权重
model.load_weights("./model.h5")
# 保存为完整Keras .h5模型
model.save("complete_model.h5")

# 之后即可用Keras加载
loaded_model = keras.models.load_model("complete_model.h5")

注意事项 #

• 模型结构必须和训练时完全一致，包括输入形状、层类型、参数数量、激活函数等，否则会加载失败。
• 建议统一使用tf.keras API，避免混用原生Keras和TensorFlow Keras导致兼容性问题。
• 加载Checkpoint时，路径要传入检查点的前缀（如./model.h5），不要传入单个的.data或.meta文件路径。

内容的提问来源于stack exchange，提问作者snowy