Keras加载在线URL获取的模型时提示SavedModel文件不存在报错

Keras/TensorFlow加载在线URL模型时，默认会把下载的模型存到系统临时缓存目录，之前运行正常是因为首次运行后缓存文件还存在。未修改代码重新打开项目触发报错，本质是系统临时目录的缓存模型被清理了——不管是系统自动过期清理、第三方安全/清理软件删除、IDE缓存重置，都会删掉这类没有手动保存到非临时目录的文件，而你的代码里写的加载路径是上次运行时生成的临时缓存绝对路径，不是原始模型在线地址，路径指向的文件不存在就会抛出该错误。

• 加载模型时不要硬编码临时缓存的本地路径，直接传入模型的原始在线URL。tf.keras.models.load_model()原生支持HTTP/HTTPS地址传入，会自动校验本地缓存状态，缓存丢失时会自动重新拉取模型，不会因为临时文件清理报错。
  错误写法（即当前代码里的问题写法）：

  # 禁止使用系统临时目录下的自动生成路径，这类路径随时可能失效
  model = tf.keras.models.load_model("C:/Users/xxx/AppData/Local/Temp/xxx/saved_model")
  

  正确写法：

  # 直接填写模型的原始公开URL，框架自动处理缓存逻辑
  model = tf.keras.models.load_model("模型对应的原始在线下载地址")
  

• 如果需要避免重复下载、提升加载稳定性，首次成功拉取模型后，手动调用保存接口把模型存到你自己项目的工作目录下，后续直接加载项目内的固定路径即可，完全不受系统缓存清理影响：

  # 首次拉取后保存到项目本地目录
  model.save("./my_project/model/pretrained_model")
  # 后续直接加载本地项目内的模型
  model = tf.keras.models.load_model("./my_project/model/pretrained_model")
  

• 如果是通过TensorFlow Hub加载模型，手动指定项目内的固定缓存目录，不要使用系统默认临时路径：

  import os
  # 把缓存目录设置为项目内的自建文件夹
  os.environ["TFHUB_CACHE_DIR"] = "./project_tf_cache"
  import tensorflow_hub as hub
  model = hub.load("模型对应的TensorFlow Hub地址")
  

注意：系统临时目录的设计用途就是存短期临时文件，Windows、macOS、Linux都有默认的临时文件清理规则，不要把任何需要长期复用的文件存在临时目录下，这类文件丢失是系统正常机制，和代码是否修改无关。

内容的提问来源于stack exchange，提问作者JackC