加载Keras模型失败求助：无法加载fer2013仓库的模型文件

问题分析 #

你遇到的两个错误对应不同核心问题：

1. JSONDecodeError：要么是fer.json文件损坏、下载不完整，要么是旧版Keras保存的模型结构与当前tf.keras版本不兼容。
2. OSError（文件签名找不到）：fer.h5是单独的权重文件，并非用model.save()保存的完整模型文件——load_model()仅支持加载包含模型结构+权重的完整HDF5文件，因此直接加载权重文件必然报错。

解决步骤 #

1. 先确认文件完整性 #

首先排查文件是否损坏：

• 验证JSON文件合法性：

  import json
  try:
      with open('fer.json', 'r') as f:
          json.load(f)
      print("JSON文件格式合法")
  except json.JSONDecodeError as e:
      print(f"JSON文件损坏：{e}")
  

• 验证H5权重文件合法性：

  import h5py
  try:
      with h5py.File('fer.h5', 'r') as f:
          print(f"权重文件包含的键：{list(f.keys())}")
      print("H5文件格式合法")
  except Exception as e:
      print(f"H5文件损坏：{e}")
  

如果文件损坏，重新下载模型文件——建议通过Git克隆整个fer2013仓库，避免单个文件下载时的截断或编码问题：

git clone https://github.com/priya-dwivedi/face_and_emotion_detection.git  # 替换为实际仓库地址

2. 修正模型加载方式 #

针对load_model()的错误

放弃用load_model()加载fer.h5，它只是权重文件，必须配合JSON结构文件加载，回到方法1的流程。

针对model_from_json()的JSONDecodeError

方案一：使用旧版Keras加载

如果模型是用旧版纯Keras（而非tf.keras）保存的，安装对应版本的Keras后加载：

pip install keras==2.2.4  # 匹配模型保存时的Keras版本

运行加载代码：

from keras.models import model_from_json

json_file = open('fer.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
loaded_model.load_weights("fer.h5")
print("Loaded model from disk")

方案二：在tf.keras中兼容旧版模型结构

如果要在当前tf.keras环境中加载，手动修正JSON中的旧版参数并映射层：

• 打开fer.json，替换旧参数为tf.keras兼容名称：
  • border_mode → padding
  • dim_ordering → data_format（值th改为channels_first，tf改为channels_last）
• 加载时指定custom_objects映射旧层：

  from tensorflow.keras.models import model_from_json
  from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Dropout
  
  custom_objects = {
      'Conv2D': Conv2D,
      'MaxPooling2D': MaxPooling2D,
      'Dense': Dense,
      'Flatten': Flatten,
      'Dropout': Dropout
      # 根据模型结构添加需要映射的层
  }
  
  json_file = open('fer.json', 'r')
  loaded_model_json = json_file.read()
  json_file.close()
  loaded_model = model_from_json(loaded_model_json, custom_objects=custom_objects)
  loaded_model.load_weights("fer.h5")
  print("Loaded model from disk")
  

3. 终极方案：重新训练模型 #

如果以上方法都无法解决，直接用fer2013数据集重新训练一个适配当前tf.keras版本的模型，训练完成后用model.save('my_fer_model.h5')保存完整模型，后续即可用load_model()正常加载。

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