Keras模型权重用scipy savemat保存后加载报错，求正确加载方式

我来帮你排查这个ValueError: Shapes must be equal rank错误的原因，以及给出可行的解决方案：

错误原因分析 #

当你用scipy.io.savemat保存model.get_weights()的结果时，需要注意：Keras的get_weights()返回的是Python列表，每个元素是对应层的权重numpy数组；而Scipy会把这个列表转换成Matlab风格的object类型数组（因为Matlab没有原生的列表结构）。

加载后你得到的W['lstm_32']并不是直接的权重列表，而是一个二维numpy数组（通常形状是(1, num_weights)），每个数组元素才是原始的权重矩阵。你之前用list(W['lstm_32'][0])提取的内容，其实是错误地取了数组的某个维度，导致权重形状和模型期望的不匹配，最终触发形状不兼容的错误。

解决方案 #

方案1：正确提取.mat文件中的权重列表 #

加载后，需要把W['lstm_32']中的元素展平并转换成Python列表，再传入set_weights：

import scipy.io as sio

# 加载.mat文件
W = sio.loadmat('lstm_weights.mat')
# 展平object数组并转成权重列表
loaded_weights = [weight for weight in W['lstm_32'].flatten()]
# 为模型设置权重
model.set_weights(loaded_weights)

方案2：用更适配的方式保存/加载权重（推荐） #

如果你不需要和Matlab交互，更推荐使用Keras原生的权重保存方法，完全避免格式转换的问题：

# 保存权重（Keras原生格式）
model.save_weights('lstm_weights.h5')
# 加载权重
model.load_weights('lstm_weights.h5')

如果必须使用.mat文件，下次保存时可以把每个权重单独存为字典的键，这样加载时更直观：

import scipy.io as sio

# 保存时拆分权重列表为单独键
weights = model.get_weights()
save_dict = {f'layer_weight_{i}': weight for i, weight in enumerate(weights)}
sio.savemat('lstm_weights.mat', save_dict)

# 加载时重组权重列表
W = sio.loadmat('lstm_weights.mat')
num_weights = len([key for key in W if key.startswith('layer_weight_')])
loaded_weights = [W[f'layer_weight_{i}'] for i in range(num_weights)]
model.set_weights(loaded_weights)

验证步骤（可选） #

设置权重前，你可以先对比原模型权重和加载后权重的形状是否一致，确保没有问题：

# 原模型权重的形状列表
original_shapes = [w.shape for w in model.get_weights()]
# 加载后权重的形状列表
loaded_shapes = [w.shape for w in loaded_weights]

print("形状是否匹配：", original_shapes == loaded_shapes)  # 应输出True

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