TensorFlow 2.2.0加载FaceNet模型报错：bad marshal data

这个错误很常见，根源在于你下载的FaceNet Keras模型里包含了Lambda层，这些层使用了匿名lambda函数做预处理操作。旧版本Keras保存模型时会把lambda函数的字节码序列化，而TensorFlow 2.x（包括你的2.2.0版本）在反序列化这些字节码时，会因为版本/环境差异出现兼容性问题，从而抛出bad marshal data错误。

下面是几种可行的解决方案：

方法1：使用自定义对象加载模型 #

你需要先定义模型中Lambda层对应的具体函数，然后在加载模型时通过custom_objects参数传入，让TensorFlow正确识别这些自定义操作。FaceNet模型里通常用到的是归一化预处理函数，示例代码如下：

from tensorflow.keras.models import load_model
import tensorflow as tf

# 定义FaceNet预处理函数（对应模型中Lambda层的操作）
def preprocess_input(x):
    # 对应原始模型中把RGB转为灰度并归一化到[-1,1]的操作
    x = tf.keras.backend.mean(x, axis=-1, keepdims=True)
    return (x - 127.5) / 127.5

# 加载模型时传入自定义对象
custom_objects = {'preprocess_input': preprocess_input}
model = load_model('facenet_keras.h5', custom_objects=custom_objects)

如果这个函数不匹配，你可以通过h5py查看模型配置，找出Lambda层对应的具体操作：

import h5py
with h5py.File('facenet_keras.h5', 'r') as f:
    model_config = f.attrs.get('model_config')
    print(model_config.decode('utf-8'))

从输出的模型配置里找到Lambda层的function字段，对应写出函数即可。

方法2：转换为SavedModel格式（推荐） #

如果有条件，先在能加载该模型的环境（比如TensorFlow 1.x或旧版Keras）中加载模型，然后保存为TensorFlow的SavedModel格式，这样可以彻底避免lambda函数的序列化问题：

# 在兼容环境中执行
from tensorflow.keras.models import load_model
model = load_model('facenet_keras.h5')
model.save('facenet_savedmodel', save_format='tf')

之后在你的TensorFlow 2.2.0环境中直接加载SavedModel：

from tensorflow.keras.models import load_model
model = load_model('facenet_savedmodel')

方法3：临时降级TensorFlow版本 #

如果上面的方法暂时无法实现，你可以尝试降级到TensorFlow 1.x系列（比如1.15.x），因为FaceNet的原始Keras模型是基于TF1.x开发的，兼容性更好。不过这只是临时方案，长期来看还是推荐使用前两种方法适配TF2.x。

最后建议确认一下你的模型文件没有损坏，必要时可以重新下载验证文件完整性。

内容的提问来源于stack exchange，提问作者mj125