Keras转TensorFlow Lite报错：未知激活函数relu6（MobileNet部署Flutter）

我来帮你搞定这个问题！你遇到的ValueError: Unknown activation function:relu6本质是对relu6的定义不对，再加上模型转换的步骤也有小问题，咱们一步步修正：

为什么会报错？ #

1. relu6不是普通的ReLU层：你在CustomObjectScope里直接用ReLU类代替relu6是错误的——relu6是ReLU激活函数的特殊版本，限制输出最大值为6，需要单独定义成函数形式，而不是直接用ReLU类。
2. 层的导入兼容性问题：在TensorFlow 1.15和Keras 2.2.5的混合环境下，最好统一使用tensorflow.python.keras下的层类，避免纯Keras和TF-Keras的API冲突。
3. TFLite转换方式错误：tf.lite.TFLiteConverter.from_saved_model()需要传入SavedModel的文件夹路径，而不是Keras模型对象，你得先把Keras模型保存为SavedModel格式再转换。

修正后的完整代码 #

from tensorflow.python.keras.layers import DepthwiseConv2D, ReLU
from pathlib import Path
from tensorflow.python.keras.models import model_from_json
from tensorflow.python.keras.utils.generic_utils import CustomObjectScope
import tensorflow as tf

# 正确定义relu6激活函数：限制输出最大值为6
def relu6(x):
    return tf.keras.activations.relu(x, max_value=6.0)

# 加载模型结构与权重
model_architecture = '/content/model_mobilenet.json'
model_weights = '/content/weights-improvement-42-0.03.hdf5'
model_structure = Path(model_architecture).read_text()

# 使用正确的自定义对象加载模型
with CustomObjectScope({'relu6': relu6, 'DepthwiseConv2D': DepthwiseConv2D}):
    model = model_from_json(model_structure)
    model.load_weights(model_weights)

# 将Keras模型保存为SavedModel格式（TF1.15要求的转换前置步骤）
model.save('/content/mobilenet_saved_model')

# 初始化TFLite转换器并转换模型
converter = tf.lite.TFLiteConverter.from_saved_model('/content/mobilenet_saved_model')
# 可选：添加优化配置，比如默认量化
# converter.optimizations = [tf.lite.Optimize.DEFAULT]
tflite_model = converter.convert()

# 保存最终的TFLite模型文件
with open('/content/mobilenet_model.tflite', 'wb') as f:
    f.write(tflite_model)

关键细节说明 #

• relu6的定义：模型JSON里的relu6是作为激活函数被引用的，所以需要定义成函数形式，而不是ReLU层的实例，这样才能被Keras正确反序列化。
• 统一导入路径：所有Keras相关的导入都使用tensorflow.python.keras下的模块，确保在TF1.15环境下和TensorFlow的API完全兼容，避免出现奇怪的兼容性报错。
• SavedModel转换：TF1.15的TFLite转换器对Keras模型的支持需要先转成SavedModel格式，这是官方推荐的稳定转换方式，比直接转换Keras模型更可靠。

内容的提问来源于stack exchange，提问作者Ngô Nhật Trí