为什么不推荐使用joblib保存Keras模型？

• 环境兼容性极差：pickle的序列化逻辑完全绑定模型创建时的Python环境、Keras版本以及相关依赖库的版本。只要环境有变动——比如换了Python版本、升级/降级了Keras，再加载模型大概率会失败，甚至出现莫名其妙的解析错误。
• 存在安全风险：pickle格式允许执行任意Python代码，加载来源不可信的pickle模型时，很可能被注入恶意代码，在生产环境或者共享模型的场景下，这是致命的安全隐患。
• 无法完整保存模型状态：Keras模型包含层结构、权重参数、优化器训练状态等复杂组件，pickle只能序列化Python对象的表层结构，像自定义层的内部逻辑、优化器的中间状态这类细节，经常无法被正确序列化，导致加载后的模型要么无法运行，要么性能和训练时完全不一致。
• 无官方支持保障：Keras官方专门提供了model.save()和tf.keras.models.load_model()这类针对自身模型设计的保存方案，能确保模型的完整性和可移植性。而pickle/joblib并非官方认可的保存方式，一旦出现问题，很难获得官方的技术支持。

内容的提问来源于stack exchange，提问作者AAA