加载TensorFlow ANN模型时出现AttributeError问题求助

核心原因分析 #

这个错误通常是因为加载模型时，Feature Column相关的预处理逻辑没有被正确保存/加载，导致模型尝试访问Feature Column配置时拿到了None值。

具体排查步骤 #

• 放弃用pickle保存模型：TensorFlow的Feature Column包含内部复杂结构，pickle无法完整序列化这类对象，直接用它保存必然出问题。
• 确认模型是否包含完整输入层：如果训练时把Feature Column转换（比如tf.keras.layers.DenseFeatures）放在模型外部处理输入，保存的模型会缺失关键的预处理逻辑，加载后自然找不到对应配置。
• 核对输入格式一致性：加载模型后的输入数据格式必须和训练时完全匹配——比如训练时用字典格式传入对应Feature Column的特征名，加载后就不能改成数组输入，否则模型找不到特征配置。

解决方法 #

方法1：完整保存/加载模型（推荐） #

训练时把DenseFeatures作为模型的第一层，用TensorFlow原生方法保存和加载：

# 构建模型时将Feature Column层纳入结构
feature_layer = tf.keras.layers.DenseFeatures(feature_columns)
model = tf.keras.Sequential([
    feature_layer,
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

# 训练后保存
model.save('my_model')

# 加载模型
loaded_model = tf.keras.models.load_model('my_model')

如果Feature Column包含自定义转换（比如自定义分桶、交叉特征），加载时需要重新定义Feature Column，再通过custom_objects指定：

# 先重新定义你的feature_columns
loaded_model = tf.keras.models.load_model('my_model', custom_objects={'DenseFeatures': tf.keras.layers.DenseFeatures})

方法2：分离预处理与模型的正确姿势 #

如果必须拆分预处理和模型：

• 把Feature Column的预处理逻辑封装成独立的tf.keras.Model，和预测模型合并成一个完整模型后保存；或者分别保存，加载时先调用预处理模型转换输入，再喂给预测模型。
• 不要用pickle存Feature Column对象，而是把它的配置参数（特征名、分桶边界等）存成JSON/YAML文件，加载时重新构建Feature Column。

方法3：H5格式保存的注意事项 #

如果用model.save('my_model.h5')保存：

• 保证TensorFlow版本一致：保存和加载用的版本尽量相同，版本差异容易导致序列化问题。
• 注册自定义组件：如果有自定义层或Feature Column扩展，加载时要通过custom_objects参数注册这些组件。

验证步骤 #

加载模型后，用训练时的样例输入测试预测：

# 替换成你的特征名和样例数据
sample_input = {'feature1': [1.0], 'feature2': [2.0]}
prediction = loaded_model.predict(sample_input)
print(prediction)

如果能正常输出结果，说明加载成功；若仍报错，重点检查Feature Column定义和模型输入层的匹配度。

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