加载trained_model.h5报错OSError：SavedModel文件不存在，求原因

原因分析 #

你的模型中使用了hub.KerasLayer加载TF Hub预训练模块，保存为.h5格式时仅存储了模块的引用路径，并未将模块权重嵌入到h5文件内。此前正常运行是因为系统临时目录C:\Users\harsh\AppData\Local\Temp\tfhub_modules\602d30248ff7929470db09f7385fc895e9ceb4c0中还保留着下载好的模块文件，现在该临时文件被清理（比如系统自动清理临时文件、手动删除、切换运行环境），导致加载模型时找不到依赖的模块文件，从而报错。

解决办法 #

• 重新下载缺失模块
  先单独执行加载对应TF Hub模块的代码，让TF Hub重新将模块下载到临时目录：

  import tensorflow_hub as hub
  # 替换为你模型中实际使用的TF Hub模块地址
  hub.load("你的TF Hub模块URL/本地路径")
  

  执行完成后，再重新加载trained_model.h5即可。

• 保存模型时嵌入模块权重（推荐方案）
  后续保存模型时，使用TensorFlow原生格式保存（不带.h5后缀），这样会将TF Hub模块的权重一并保存到模型目录中，避免依赖临时文件：

  # 保存模型
  model.save("trained_model", save_format="tf", include_optimizer=True)
  # 加载模型
  model = tf.keras.models.load_model("trained_model", custom_objects={'KerasLayer':hub.KerasLayer})
  

• 指定固定的TF Hub缓存目录
  通过设置环境变量，将TF Hub模块缓存到自定义的固定目录，避免被系统自动清理：

  import os
  # 替换为你希望的固定缓存路径
  os.environ["TFHUB_CACHE_DIR"] = "D:/tfhub_modules_cache"
  

  之后加载模块和模型时，会优先从该固定目录读取模块文件。

内容的提问来源于stack exchange，提问作者Harshit Wadhwani