TensorFlow2.8加载模型报_UserObject无predict属性错误咨询

问题根因 #

两台设备虽然主版本号均为TensorFlow 2.8.0，但该报错并非只有跨大版本才会触发：

• 两个环境的嵌套依赖（keras、protobuf）小版本不匹配
• 模型拷贝时未完整传输整个SavedModel目录，或文件传输过程中元数据损坏
• 加载时默认反序列化逻辑无法正确匹配Keras模型类，导致返回底层TF通用_UserObject实例，自然不具备predict/fit等Keras模型专属方法

无需重训、无需转存H5格式的解决方法 #

以下方案均基于你已有的默认SavedModel格式模型操作，不需要重新训练或回家重新保存模型：

• 方法1：调整加载参数规避反序列化兼容问题
  直接替换原有加载代码，显式关闭编译状态加载、指定本地IO设备，大部分小版本不匹配问题可直接解决：

  import tensorflow as tf
  
  load_options = tf.saved_model.LoadOptions(experimental_io_device='/job:localhost')
  model = tf.keras.models.load_model(
      <你的模型存储路径>,
      compile=False,
      options=load_options
  )
  # 加载完成后可执行model.summary()验证，正常会输出模型结构
  

• 方法2：从已加载的SavedModel签名重建Keras模型
  如果方法1仍返回_UserObject，可直接提取模型内已存储的推理计算图和权重，包装为标准Keras模型，权重完全复用不需要重训：

  import tensorflow as tf
  
  # 加载底层SavedModel资源
  loaded_obj = tf.saved_model.load(<你的模型存储路径>)
  # 提取默认服务签名
  infer_signature = loaded_obj.signatures["serving_default"]
  
  # 按你训练时的输入维度构建输入层，比如单样本特征长度为N就填shape=(N,)
  inputs = tf.keras.Input(shape=(<你的模型输入特征维度>,))
  # 执行推理获取输出，若输出key不匹配可先打印infer_signature.structured_outputs查看正确key名
  outputs = infer_signature(tf.cast(inputs, tf.float32))[list(infer_signature.structured_outputs.keys())[0]]
  # 生成标准Keras模型，支持predict/evaluate等所有原生方法
  model = tf.keras.Model(inputs=inputs, outputs=outputs)
  

• 根源修复：对齐两端环境依赖
  不要仅核对TensorFlow主版本，执行以下命令将办公环境依赖与家用环境完全对齐，即可彻底解决同版本加载不兼容问题：

  pip install --force-reinstall tensorflow==2.8.0 keras==2.8.0 protobuf==3.20.0
  

注意：SavedModel格式不是单文件，是包含saved_model.pb、variables文件夹、assets文件夹的目录结构，拷贝时必须整个目录完整传输，仅复制pb文件必然会触发加载异常。

为什么默认TF格式会出现该问题 #

TensorFlow默认的SavedModel是跨框架、跨语言通用的序列化格式，并非Keras专属格式，存储内容包含计算图、权重、对象类型元数据三类信息。一旦元数据因为版本差、文件损坏无法被Keras加载逻辑正确识别，加载流程就不会返回Keras模型实例，只会返回底层的通用TF用户对象。

内容的提问来源于stack exchange，提问作者eXPRESS