能否用Keras的load_model在后端访问model.h5？Heroku部署加载失败求助

以下是几种常见的排查和解决方法：

1. 修正模型文件路径 #

本地测试时直接用model.h5能找到文件，但Heroku部署后应用的工作目录可能和本地不一致，导致路径错误。你需要通过代码获取绝对路径：

• 如果在Flask上下文中（比如路由函数内），可以用current_app.root_path拼接路径：

import os
from flask import current_app
from tensorflow.keras.models import load_model

model_path = os.path.join(current_app.root_path, 'model.h5')
model = load_model(model_path)

• 如果不在Flask上下文里，用当前脚本的目录来拼接：

import os
from tensorflow.keras.models import load_model

# 获取当前脚本所在目录的绝对路径
base_dir = os.path.dirname(os.path.abspath(__file__))
model_path = os.path.join(base_dir, 'model.h5')
model = load_model(model_path)

2. 检查Heroku Slug大小限制 #

Heroku默认限制应用slug（包含代码、依赖、静态文件等的压缩包）大小为500MB，如果你的model.h5文件过大，可能导致部署时文件未被完整上传。

• 查看Heroku日志，确认是否有slug过大的警告信息。
• 如果模型超过限制，建议将模型存储到外部云存储，部署时从存储服务下载到Heroku的临时目录/tmp再加载：

import boto3
import os
from tensorflow.keras.models import load_model

# 初始化S3客户端（需配置环境变量存储密钥）
s3 = boto3.client('s3')
temp_model_path = '/tmp/model.h5'

# 从S3下载模型到临时目录
s3.download_file('你的存储桶名称', 'model.h5', temp_model_path)
model = load_model(temp_model_path)

3. 对齐依赖版本 #

本地和Heroku上的TensorFlow/Keras版本不一致，可能导致模型加载失败。确保requirements.txt中指定的版本与本地测试环境完全一致，例如：

tensorflow==2.15.0
flask==2.3.3
# 其他依赖...

4. 确认模型文件完整性 #

GitHub上传二进制文件时可能出现损坏，尤其是大文件：

• 检查GitHub仓库中model.h5的文件大小是否与本地一致，若不一致，重新上传。
• 如果模型文件超过100MB，需要使用Git LFS管理大文件，并在Heroku添加heroku-buildpack-git-lfs构建包，确保部署时能正确拉取模型文件。

内容的提问来源于stack exchange，提问作者Sai Gruheeth