使用pickle加载Keras深度学习模型时遇IsADirectoryError错误求助

问题原因 #

当你调用Keras的model.save('model.pkl')时，Keras会将传入的字符串视为文件夹名称，生成一个包含SavedModel格式文件的目录，而非单个pickle文件。但你用pickle.load()尝试读取这个目录，就会触发IsADirectoryError——因为pickle只能处理单个文件，无法读取目录。

解决方法 #

方法1：使用Keras官方加载方式（推荐）

这是Keras官方支持的标准做法，能完整保存模型结构、权重、优化器状态等信息，兼容性最好：

from tensorflow.keras.models import load_model

# 直接传入模型文件夹路径即可加载
model = load_model('/home/samar/Desktop/ckd/model.pkl')
prediction = model.predict(data)

方法2：改为pickle序列化保存（不推荐）

如果一定要用pickle格式保存模型，需要修改保存逻辑，将模型序列化为单个pickle文件：

import pickle

# 保存模型为单个pickle文件
with open('model.pkl', 'wb') as f:
    pickle.dump(model, f)

之后你原来的加载代码就可以正常运行，但这种方式可能丢失模型的部分信息（比如自定义层、优化器状态），仅适用于简单模型。

注意事项 #

优先选择方法1，SavedModel是Keras的标准模型格式，支持跨框架部署（如TensorFlow Serving），且稳定性更强。

内容的提问来源于stack exchange，提问作者Samar Pratap Singh