TensorFlow 1.x中Keras加载自定义模型报错：numpy()仅在eager执行启用时可用

我运行某GitHub仓库中的代码（第186行通过model = keras.models.load_model(file_path)加载机器学习模型），克隆仓库后添加了两行代码以兼容TensorFlow 1.x：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

此时加载官方提供的模型文件Adiac1.hdf5可正常运行，但加载我自行训练保存的Adiac2.hdf5时，该行代码抛出错误：

NotImplementedError: numpy() is only available when eager execution is enabled.

想了解两个模型加载存在差异的原因，以及为何部分模型加载需要启用eager执行模式，而部分不需要？

• 训练保存的环境版本差异：官方的Adiac1.hdf5是基于TensorFlow 1.x的静态图模式训练并保存的，和你启用的tf.disable_v2_behavior()环境完全匹配，加载时不需要依赖eager执行。而你自己训练的Adiac2.hdf5，应该是在TensorFlow 2.x环境下完成的——TF2默认开启eager执行，保存模型时会写入依赖eager模式的操作或张量属性，比如某些层的计算逻辑用到了numpy()方法，这类内容在禁用eager的TF1.x兼容环境里无法被解析，直接触发报错。
• 模型保存的细节配置不同：就算是相同的模型架构，保存时的配置也可能有差异。比如你训练Adiac2时，可能使用了TF2特有的层、自定义操作，或者保存时包含了eager模式下的动态计算图信息；而官方模型是纯TF1.x的静态图结构，不存在这些eager相关的依赖项。
• 模型加载逻辑的兼容性限制：keras.models.load_model()在不同TensorFlow环境下的解析逻辑不一样。禁用eager后，加载器会以TF1.x的静态图方式解析模型文件，一旦遇到TF2保存的、依赖eager的张量或操作，就会触发numpy()相关错误——因为静态图模式下的张量并没有numpy()方法，只有eager模式下的张量才支持这个方法调用。

内容的提问来源于stack exchange，提问作者mahmoud aghvami