tf.keras保存的H5模型无法在Keras 2.2.4加载，求转换方案

你的问题核心在于tf.keras与早期原生Keras（2.2.4版本）的API差异：tf.keras为了支持TensorFlow特有的功能（比如ragged张量），在部分层（比如Embedding）的配置中加入了原生Keras 2.2.4不支持的ragged参数，导致加载时触发参数不匹配的错误。下面提供几种可行的解决方法：

方法一：修改模型配置后重新保存（推荐） #

在有TensorFlow的环境中加载模型，移除配置里不兼容的参数，再保存为原生Keras可读取的版本：

1. 首先用tf.keras加载原模型：

import tensorflow as tf
# 加载原模型
model = tf.keras.models.load_model("/home/Documents/explorePrj/Segmentation/models/model.h5", compile=False)

2. 遍历所有层，清理不兼容的参数：

def clean_layer_config(layer_config):
    # 移除原生Keras不支持的ragged参数
    if 'ragged' in layer_config['config']:
        del layer_config['config']['ragged']
    # 如果还有其他不兼容参数，也可以在这里添加删除逻辑
    return layer_config

# 获取模型配置并清理所有层的配置
model_config = model.get_config()
model_config['layers'] = [clean_layer_config(layer) for layer in model_config['layers']]

# 用清理后的配置重建模型，并复制原权重
fixed_model = tf.keras.Model.from_config(model_config)
fixed_model.set_weights(model.get_weights())

3. 保存修改后的模型：

fixed_model.save("/home/Documents/explorePrj/Segmentation/models/compatible_model.h5", save_format='h5')

现在这个新保存的模型应该可以在Keras 2.2.4中正常加载了。

方法二：自定义兼容层，通过custom_objects加载 #

如果不想重新保存模型，可以在Keras 2.2.4环境中，自定义一个忽略不兼容参数的层类，加载时指定custom_objects：

以报错涉及的Embedding层为例：

from keras.layers import Embedding
from keras.legacy import interfaces

class CompatibleEmbedding(Embedding):
    @interfaces.legacy_embedding_support
    def __init__(self, input_dim, output_dim, embeddings_initializer='uniform',
                 embeddings_regularizer=None, activity_regularizer=None,
                 embeddings_constraint=None, mask_zero=False, input_length=None,
                 ragged=False, **kwargs):
        # 直接忽略ragged参数，调用父类初始化
        super().__init__(input_dim, output_dim, 
                         embeddings_initializer=embeddings_initializer,
                         embeddings_regularizer=embeddings_regularizer,
                         activity_regularizer=activity_regularizer,
                         embeddings_constraint=embeddings_constraint, 
                         mask_zero=mask_zero, input_length=input_length, 
                         **kwargs)

# 加载模型时指定自定义层
from keras.models import load_model
model = load_model("/home/Documents/explorePrj/Segmentation/models/model.h5", 
                   compile=False, 
                   custom_objects={'Embedding': CompatibleEmbedding})

如果还有其他层出现类似参数错误，需要对应编写兼容类并添加到custom_objects中。

方法三：升级原生Keras（备选） #

如果你的环境允许，将原生Keras升级到2.3.x及以上版本——从Keras 2.3开始，官方已经完成了与tf.keras的API对齐，大部分参数差异被消除，直接加载tf.keras保存的模型应该不会再出现此类问题。

内容的提问来源于stack exchange，提问作者ShivSd