加载TensorFlow的.h5模型时报weight_decay参数无效的错误求助

方法1：使用旧版兼容优化器加载模型 #

新版Keras提供了legacy（旧版）优化器模块，完全兼容旧模型的参数配置，加载时直接指定即可：

from tensorflow.keras.models import load_model
from tensorflow.keras.optimizers.legacy import Adam as LegacyAdam

# 替换为你的模型路径
model = load_model('你的模型文件.h5', custom_objects={'Adam': LegacyAdam})

如果模型使用其他优化器（如SGD），替换为对应legacy版本即可，比如将SGD换成legacy.SGD。

方法2：降级TensorFlow/Keras到原版本 #

若不想修改代码，可直接降级到之前能正常运行的TensorFlow版本，在Anaconda Prompt中执行：

# 替换为你之前使用的版本号，比如2.8.0
conda install tensorflow==2.8.0

环境更新完成后，重新运行加载模型的代码即可恢复正常。

方法3：重新训练并保存模型（若有训练代码） #

如果保留了原训练代码，可改用新版Keras的优化器API重新训练并保存模型，适配新版本环境：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense
from tensorflow.keras.optimizers import Adam

# 构建原模型结构（示例）
model = Sequential()
model.add(LSTM(64, input_shape=(10, 1)))
model.add(Dense(1))

# 新版API配置优化器（weight_decay参数可直接传入）
optimizer = Adam(weight_decay=0.001)
model.compile(optimizer=optimizer, loss='mse')

# 训练后保存模型
model.fit(X_train, y_train, epochs=10)
model.save('适配新版的模型.h5')

问题原因 #

重装Anaconda/Spyder后，TensorFlow/Keras版本被升级，新版的optimizer_experimental.Optimizer不再支持直接传入weight_decay参数，但旧模型保存时的优化器配置包含该参数，导致加载时出现参数不兼容错误。

内容的提问来源于stack exchange，提问作者ayps