Windows系统下如何在R语言中加载Keras模型？

报错核心原因 #

两个报错均为R的keras依赖的Python环境配置异常导致：

1. load_model_hdf5报错是对应Python环境缺少h5py依赖包
2. load_model_tf报错是R无法识别到可用的TensorFlow环境，tf_version()返回空值

分步解决流程 #

• 第一步：绑定指定Python环境（避免多环境冲突）
  提前确认你要使用的conda环境路径/名称，在加载keras前先完成环境绑定，代码如下：

  # 替换为你实际使用的Python可执行文件路径
  Sys.setenv(RETICULATE_PYTHON = "/opt/miniconda3/envs/tf_env/bin/python")
  library(reticulate)
  # 替换为你的conda环境名称
  use_condaenv("tf_env", required = TRUE)
  

  完成后运行tensorflow::tf_version()，如果返回具体版本号（≥2.0.0即可），load_model_tf的报错将直接解决。

• 第二步：安装缺失依赖
  推荐用R内置的依赖安装工具统一安装配套版本的TensorFlow和h5py，避免版本不兼容：

  # 安装2.0以上的稳定TensorFlow版本，自动配套安装h5py
  keras::install_keras(method = "conda", envname = "tf_env", tensorflow = "2.10")
  # 若h5py仍缺失，单独安装
  reticulate::py_install("h5py", envname = "tf_env")
  

  运行py_module_available("h5py")验证，返回TRUE即表示依赖安装完成。

• 第三步：验证模型加载

  library(keras)
  # 加载h5格式模型
  new_model <- load_model_hdf5("model1.h5")
  # 加载SavedModel格式模型
  new_model <- load_model_tf("model1")
  

注意事项 #

如果你的模型是在其他环境训练得到，需保证R中安装的TensorFlow大版本与训练时的版本一致，避免序列化兼容性问题。

内容的提问来源于stack exchange，提问作者Mohammad