TensorFlow加载权重报错CheckpointLoadStatus无evaluate属性

tf.keras.Model.load_weights() 是原地执行的方法，不会返回加载完权重的模型对象，它的返回值是CheckpointLoadStatus类型的状态对象，作用是反馈权重加载的匹配情况（比如是否有缺失权重、权重形状不匹配等问题）。
你写的model1 = model1.load_weights(...)相当于把原本创建好的模型实例，覆盖成了这个状态对象，后续调用evaluate时，实际是在状态对象上找方法，自然会报'CheckpointLoadStatus' object has no attribute 'evaluate'的错误。

不要把load_weights()的返回值赋值给模型变量，直接在初始化好的模型实例上调用该方法完成权重加载即可。如果需要确认权重是否加载成功，可以单独接收返回值做校验。
正确加载代码如下：

# 初始化和保存权重时结构完全一致的模型
model1 = build_bi_lstm_model()
# 原地加载权重，不要覆盖model1变量
load_status = model1.load_weights(checkpoint_path+ "\\"+symbol+"\\"+str(submodel)+"\\w1")
# 可选操作：校验所有权重都成功加载，无遗漏/不匹配问题
load_status.assert_consumed()
# 正常调用评估方法
score = model1.evaluate(last_batch_dfc_test, last_batch_dfc_test_y,verbose=2)

• 重新初始化的model1结构必须和保存权重时的模型结构完全一致，否则会触发权重形状不匹配的报错
• 训练阶段的权重保存逻辑没有问题，无论是ModelCheckpoint回调自动保存的权重，还是训练结束后手动调用save_weights()存储的权重，都可以用上述方式正常加载。

内容的提问来源于stack exchange，提问作者Ruben Guillemyn