使用pickle.load加载模型时出错，寻求同类问题反馈与解决方案

很多人都碰到过这类问题，你运行代码时出现的ModuleNotFoundError: No module named 'keras.engine.training'，主要是Keras版本兼容或模型保存方式不当导致的，以下是常见原因和解决思路：

常见原因及解决办法 #

• Keras版本不匹配
  保存模型时使用的Keras版本，和当前运行环境的Keras版本差异过大。旧版Keras的keras.engine.training模块在新版中已经调整了路径（比如迁移到keras.src.engine.training），导致pickle加载时找不到对应模块。
  解决方式：

  1. 安装与保存模型时一致的Keras版本，比如视频中用的是Keras 2.x，可执行：

     pip install keras==2.15.0
     

  2. 临时兼容处理（不推荐长期使用）：在加载模型前手动映射模块路径

     import sys
     from keras.src.engine import training
     sys.modules['keras.engine.training'] = training
     
     pickle_in = open("venv/model_trained.p","rb")
     model = pickle.load(pickle_in)
     

• 模型保存方式不符合Keras规范
  Keras官方并不推荐用pickle直接保存模型，因为pickle会序列化整个模型对象，高度依赖当时的环境结构。官方推荐使用model.save()和load_model()来保存加载，兼容性更好。
  解决方式：
  如果能重新获取原模型，替换成官方方法保存加载：

  # 原视频中保存模型的代码替换为
  model.save("venv/model_trained.h5")
  
  # 加载模型时用以下代码
  from keras.models import load_model
  model = load_model("venv/model_trained.h5")
  

• 虚拟环境不一致
  当前运行代码的虚拟环境和视频中的环境包版本、结构不同，也会导致这类错误。
  解决方式：检查视频中用到的依赖版本，重新创建匹配的虚拟环境并安装对应包。

内容的提问来源于stack exchange，提问作者Bhetrand Dwilangga