多输入Keras模型保存报错：RuntimeError: Unable to create link (name already exists)

这个报错本质是HDF5格式保存优化器权重时，多输入分支的变量命名冲突——你用了4个ResNet50分支，它们的优化器权重变量生成了重复名称，而HDF5不允许同一组下存在重复命名的数据集。Colab同版本环境能正常运行，大概率是因为H5Py版本、默认配置的差异避开了这个冲突。下面给你几个可行的解决方案：

方案1：改用SavedModel格式保存（最推荐） #

HDF5格式对复杂多分支模型的兼容性远不如TensorFlow原生的SavedModel格式，切换格式能直接规避命名冲突问题：

• 修改回调中的保存路径和格式：

  checkpoint_path = "saved_models/multi_channel_model"  # 不要加.h5后缀
  callbacks = [
      EarlyStopping(monitor='val_loss', patience=30, mode='min', min_delta=0.0001, verbose=1),
      ModelCheckpoint(checkpoint_path, monitor='val_loss', save_best_only=True, mode='min', verbose=1, save_format="tf")
  ]
  

• 训练结束后保存模型也用SavedModel：

  model.save("saved_models/final_model", save_format="tf")
  

  加载时直接用tf.keras.models.load_model("saved_models/final_model")即可。

方案2：给每个ResNet50分支添加唯一命名 #

构建模型时，给每个ResNet50实例指定独特的name参数，确保分支内所有变量都带有唯一前缀，从根源避免重名：

# 示例：为4个ResNet50分支分别设置唯一名称
input1 = tf.keras.Input(shape=(224,224,3), name="input_branch_1")
resnet1 = tf.keras.applications.ResNet50(weights="imagenet", include_top=False, name="resnet_branch_1")(input1)

input2 = tf.keras.Input(shape=(224,224,3), name="input_branch_2")
resnet2 = tf.keras.applications.ResNet50(weights="imagenet", include_top=False, name="resnet_branch_2")(input2)

# 同理构建input3、resnet3和input4、resnet4
# ...后续拼接分支输出并构建最终模型

方案3：改进优化器权重重命名逻辑（针对HDF5格式） #

你之前的单输入修复代码过于简单，多输入场景下需要给优化器权重添加更独特的标识，比如结合变量原始名称的哈希值：

from tensorflow.python.keras import backend as K
import hashlib

with K.name_scope(model.optimizer.__class__.__name__):
    for i, var in enumerate(model.optimizer.weights):
        # 用变量原始名称的哈希值生成唯一后缀
        name_hash = hashlib.md5(var.name.encode()).hexdigest()[:8]
        unique_name = f"variable_{i}_{name_hash}"
        model.optimizer.weights[i] = tf.Variable(var, name=unique_name)

注意这个方法需要在model.fit()之后执行，且仅适用于坚持使用HDF5格式保存的场景。

方案4：对齐本地和Colab的H5Py版本 #

你的本地H5Py版本可能和Colab不一致，导致保存逻辑出现差异。先在Colab执行!pip show h5py查看版本，再在本地安装相同版本：

# 假设Colab的H5Py版本是2.10.0
pip install h5py==2.10.0

额外注意事项 #

• 如果模型使用了自定义层或自定义优化器，确保它们的get_config()方法能返回唯一的配置信息，避免保存时的命名冲突。
• 尽量避免在模型中使用重复的层名称，哪怕是相同结构的分支，也要通过name参数区分开。

内容的提问来源于stack exchange，提问作者asendjasni