使用TensorFlow 2.12.0加载2.7.0模型报错：重复参数'training'

问题根源 #

这个ValueError: duplicate parameter name: 'training'报错，本质是TensorFlow 2.7到2.12版本间，SavedModel的签名参数校验逻辑变严格了。旧版本保存模型时，若自定义层/模型的输入签名里重复声明了training参数（比如多分支结构或自定义签名时的疏漏），旧版本加载会忽略这个问题，但新版本会强制检查参数名称唯一性，直接触发报错。

TensorFlow 2.7到2.12的相关变更 #

• 签名参数校验强化：新版本对SavedModel的输入输出签名做了更严格的唯一性校验，不允许出现重复的参数名。
• SavedModel序列化逻辑优化：针对Keras模型、自定义层的保存格式做了调整，规范了签名生成的流程，避免参数冲突。

直接修复加载问题的方案 #

1. 用旧版本重新导出模型 #

在TensorFlow 2.7环境中加载原模型，用Keras标准方式重新保存（自动生成合规签名）：

import tensorflow as tf
# 若模型是Graph模式保存，可启用该行
# tf.compat.v1.disable_eager_execution()
model = tf.saved_model.load("原模型路径")
tf.keras.models.save_model(model, "重新导出的模型路径", save_format="tf")

之后用TensorFlow 2.12加载重新导出的模型即可。

2. 指定合法签名加载 #

如果无法回到旧环境，可先查看模型的可用签名，选择无参数冲突的签名使用：

loaded_model = tf.saved_model.load("原模型路径")
# 打印所有可用签名名称
print(list(loaded_model.signatures.keys()))
# 选择如"serving_default"这类标准签名
infer_func = loaded_model.signatures["serving_default"]
# 按签名要求传入参数调用
output = infer_func(input_tensor=tf.constant([你的输入数据]))

权重迁移方案（直接加载失败时） #

如果上述方法无效，可以通过导出权重、重建模型的方式迁移：

1. 在TF 2.7环境导出权重 #

加载旧模型后保存权重文件：

import tensorflow as tf
model = tf.keras.models.load_model("原模型路径")
model.save_weights("模型权重.h5")

2. 在TF 2.12环境重建模型并加载权重 #

完全复刻旧模型的结构（包括层类型、参数、顺序，自定义层需重新定义完全一致的类）：

import tensorflow as tf

# 重建和旧模型完全一致的网络结构
def build_original_model():
    model = tf.keras.Sequential([
        tf.keras.layers.Dense(64, activation='relu', input_shape=(32,)),
        tf.keras.layers.Dense(10, activation='softmax')
        # 替换为你实际的模型结构
    ])
    return model

new_model = build_original_model()
# 加载权重
new_model.load_weights("模型权重.h5")
# 验证模型状态
new_model.summary()

内容的提问来源于stack exchange，提问作者Predrag Vicentijevic