部署Keras+Flask模型遇OSError：SavedModel文件不存在的解决求助

看起来你在跟着Jeff Heaton教授的T81-558《深度神经网络应用》课程部署Flask+Keras表格模型时，碰到了这个让人挠头的文件找不到错误。我来帮你拆解问题根源，一步步解决：

错误原因分析 #

这个报错OSError: SavedModel file does not exist at: ../dnn/mpg_model.h5/{saved_model.pbtxt|saved_model.pb}的核心问题是：TensorFlow的load_model函数把你的.h5单文件模型当成了SavedModel格式的文件夹来处理。

Keras/TensorFlow有两种主流的模型保存格式：

• .h5：Keras传统单文件格式，保存后是一个独立的.h5文件，加载时需指向该文件。
• SavedModel：TensorFlow标准多文件格式，保存后生成一个文件夹，内含saved_model.pb和变量目录，加载时需指向该文件夹路径。

分步解决方案 #

1. 先确认模型文件路径是否正确 #

你用的相对路径../dnn/mpg_model.h5是基于当前运行脚本的目录计算的：

• 从你的命令行输出看，你是在C:\Users\ASUS\t81_558_deep_learning\py目录下运行python mpg_server_1.py，那么../dnn/对应的实际路径是C:\Users\ASUS\t81_558_deep_learning\dnn。
• 先手动检查这个路径下是否真的存在mpg_model.h5文件，文件名和后缀有没有拼写错误。
• 可以先用绝对路径测试，排除相对路径的干扰：

  model = load_model("C:/Users/ASUS/t81_558_deep_learning/dnn/mpg_model.h5")
  

  如果绝对路径能加载成功，说明之前的相对路径逻辑不符合你的实际目录结构，调整相对路径即可。

2. 确保模型保存格式与加载方式匹配 #

如果路径没问题，那大概率是保存和加载的格式不匹配：

• 如果你当初是用model.save('mpg_model.h5')保存的单文件模型：
  • 检查你的TensorFlow版本是否和保存模型时的版本兼容（比如避免用TF2.x加载TF1.x保存的老模型，或反之）。
  • 尝试在Python交互环境单独加载模型，验证文件完整性：

    from tensorflow.keras.models import load_model
    model = load_model("../dnn/mpg_model.h5")  # 使用和脚本相同的路径
    

• 如果你当初是用SavedModel格式保存的（比如调用model.save('mpg_model')，没有.h5后缀，生成一个文件夹）：
  • 把加载代码里的路径改成指向这个文件夹，去掉.h5后缀：

    model = load_model(os.path.join("../dnn/","mpg_model"))
    

3. 检查文件完整性与权限 #

• 如果单独加载模型也报错，说明mpg_model.h5可能损坏，需要重新训练并保存模型。
• Windows环境下权限问题较少，但可以确认文件没有被其他程序锁定（比如之前的Jupyter进程还在占用模型文件）。

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