加载pkl模型触发No module named 'keras.saving'报错如何解决

执行file.py第32行pickle.load(open('model.pkl', 'rb'))加载本地序列化模型时，抛出ModuleNotFoundError: No module named 'keras.saving'错误，完整报错栈：

Using TensorFlow backend.
Traceback (most recent call last):
  File "file.py", line 32, in <module>
    pickled_model = pickle.load(open('model.pkl', 'rb'))
ModuleNotFoundError: No module named 'keras.saving'

核心触发原因是当前运行环境的Keras/TensorFlow版本，和当初训练、导出model.pkl文件时使用的版本不匹配：
keras.saving是Keras 2.12及以上版本才拆分出的独立模块路径，如果你当前环境安装的是2.12以下的旧版Keras，或是TensorFlow 2.11及更早版本内置的Keras，加载高版本Keras序列化生成的pickle模型时，就会找不到对应模块路径抛出错误。
额外说明：pickle序列化Keras模型本身不是官方推荐的存储方式，对运行环境的版本耦合度极高，跨环境、跨版本加载非常容易出现兼容问题。

按优先级依次尝试：

• 对齐版本：先执行pip show keras查看当前环境的Keras版本，若不确定导出模型时的版本，先直接升级Keras和TensorFlow到最新正式版，再重新运行脚本：

  pip install --upgrade keras tensorflow
  

  绝大多数小版本差异导致的该问题，升级后可直接解决。
• 若升级后仍报错，且确认模型是用旧版Keras导出的，将当前环境的Keras、TensorFlow降到和导出模型匹配的版本即可，比如模型是基于Keras 2.8训练保存的，执行以下命令降级：

  pip install keras==2.8.0 tensorflow==2.8.0
  

• 长期规避方案：放弃用pickle存储Keras模型，改用Keras官方提供的原生保存加载接口，版本兼容性远高于pickle：
  保存模型时使用：

  # 新版Keras使用.keras格式，旧版可替换为.h5后缀
  model.save("model.keras")
  

  加载模型时使用：

  from tensorflow import keras
  model = keras.models.load_model("model.keras")
  

注意：跨大版本的Keras/TensorFlow模型文件官方不保证兼容，尽量保证训练保存和加载推理的环境大版本一致。

内容的提问来源于stack exchange，提问作者ChillGod