如何解决Keras集成模型保存时的ValueError: Unable to create dataset错误

问题原因 #

你遇到的ValueError: Unable to create dataset (name already exists)是因为两个预训练模型内部存在同名的层、参数或计算节点，HDF5格式对数据集命名的唯一性要求严格，保存时触发冲突。

可行解决办法 #

办法1：给模型层添加唯一前缀（彻底解决命名冲突） #

手动为两个模型的所有层添加不同前缀，确保整个集成模型内无重名元素：

# 定义给层加前缀的工具函数
def add_layer_prefix(model, prefix):
    for layer in model.layers:
        layer._name = f"{prefix}_{layer.name}"

# 加载并处理第一个模型
model1 = load_model('/content/gdrive/MyDrive/models/BLOOD_CELL.hdf5')
add_layer_prefix(model1, "model1")
model1 = Model(inputs=model1.inputs, outputs=model1.outputs, name='BLOOD_CELL')

# 加载并处理第二个模型
model2 = load_model('/content/gdrive/MyDrive/models/blood_model.hdf5')
add_layer_prefix(model2, "model2")
model2 = Model(inputs=model2.inputs, outputs=model2.outputs, name='blood_model')

# 后续集成、编译、训练代码保持不变
models = [model1, model2]
model_input = Input(shape=(274,366,3))
model_output = [model(model_input) for model in models]
ensemble_output = Average()(model_output)
ensemble_model = Model(inputs=model_input, outputs=ensemble_output, name='ensemble')

optimizer = tf.keras.optimizers.legacy.Adam(learning_rate=0.00001, decay=1e-6)
ensemble_model.compile(optimizer=optimizer, loss='categorical_crossentropy', metrics=['acc'])

history = ensemble_model.fit(train_generator,
                            steps_per_epoch=len(train_generator),
                            epochs=2,
                            verbose=1,
                            validation_steps=len(test_generator),
                            validation_data=test_generator)

# 再次尝试保存
ensemble_model.save('blood_ensemble.hdf5')

办法2：改用SavedModel格式保存（官方推荐） #

TensorFlow/Keras官方更推荐使用SavedModel格式，它对命名冲突的兼容性更好，且支持更多高级特性：

# 替换原HDF5保存代码，SavedModel会生成一个文件夹
ensemble_model.save('/content/gdrive/MyDrive/models/blood_ensemble')

# 后续加载模型时使用
# loaded_ensemble = tf.keras.models.load_model('/content/gdrive/MyDrive/models/blood_ensemble')

办法3：加载模型时跳过编译 #

预训练模型的优化器状态也可能引发命名冲突，加载时禁用编译，后续统一集成后再编译：

# 加载时设置compile=False
model1 = load_model('/content/gdrive/MyDrive/models/BLOOD_CELL.hdf5', compile=False)
model2 = load_model('/content/gdrive/MyDrive/models/blood_model.hdf5', compile=False)

# 配合办法1的前缀处理或直接集成，之后用你已有的代码统一编译

内容的提问来源于stack exchange，提问作者BISHWENDU DEY