如何在Azure Functions中读取.h5 Blob并加载Keras模型？

这个问题其实是因为Keras的load_model方法默认期望的是文件路径字符串，而你直接传入了字节对象，它会把字节内容当作路径去解析，自然就会出现ValueError: stat: embedded null character in path这类错误啦。

我们可以通过把Blob的字节内容转换成类文件对象来解决这个问题，Keras完全支持从类文件对象中加载模型，具体步骤如下：

完整解决方案代码 #

from azure.storage.blob import BlockBlobService
from keras.models import load_model
from io import BytesIO

# 初始化Blob服务客户端
blob_service = BlockBlobService(account_name=STORAGE_ACCOUNT_NAME, account_key=STORAGE_ACCOUNT_KEY)

# 获取目标Blob的字节内容
blob = blob_service.get_blob_to_bytes(CONTAINER_NAME, BLOB_NAME)

# 将字节内容包装为类文件对象（BytesIO模拟文件操作）
model_file_like = BytesIO(blob.content)

# 直接从类文件对象加载Keras模型
model = load_model(model_file_like)

关键说明 #

• BytesIO是Python标准库io模块中的工具，它可以把字节数据包装成符合文件接口的对象，让Keras以为它在读取本地文件，完美适配load_model的要求。
• 这种方法不需要将Blob内容保存到Azure Function的临时存储中，既节省了磁盘空间，也提升了加载效率。
• 如果只是需要加载权重而非完整模型，同样可以用这个方法：

  # 假设你已经初始化了模型结构
  model = YourModelStructure()
  # 用BytesIO包装权重字节后加载
  weights_file_like = BytesIO(blob.content)
  model.load_weights(weights_file_like)
  

内容的提问来源于stack exchange，提问作者Samuel