调用load_model加载Keras模型时报错'module' object is not callable

这个TypeError: 'module' object is not callable虽然报错栈指向Keras内部源码，本质是模型反序列化阶段，Keras尝试实例化层对象时，拿到的是模块对象而非可调用的层类/函数对象，和你已知的模块名与函数名重名冲突属于同一类问题。

排查步骤 #

• 第一步：确认自定义组件是否正确传入
  你在训练模型时如果使用了自定义层、自定义损失函数、自定义评估指标等非Keras内置组件，加载模型时必须通过custom_objects参数显式传入这些组件的可调用实例，否则Keras会从默认命名空间查找，大概率会匹配到同名模块而非实际的类/函数。
  错误导入示例：如果你自定义了名为ConvDown的层，加载时写import custom_layers，直接将custom_layers.ConvDown传入custom_objects是正确的；如果误写为custom_layers（整个模块）传入，就会触发该报错。
• 第二步：修正模型加载代码
  正确的加载写法参考：

  from tensorflow.keras.models import load_model
  # 显式导入所有自定义组件
  from custom_layers import ConvDown, ConvUp
  from custom_losses import dice_loss
  
  model = load_model(
    "your_trained_model.h5",
    custom_objects={
      "ConvDown": ConvDown,
      "ConvUp": ConvUp,
      "dice_loss": dice_loss
    }
  )
  

• 第三步：定位未知的自定义组件
  如果你不清楚模型用到了哪些自定义组件，可以通过以下代码读取模型配置，筛选非内置层名：

  import h5py
  import json
  
  with h5py.File("your_trained_model.h5", "r") as f:
    model_config = json.loads(f.attrs.get("model_config"))
  # 遍历打印所有层的类名，找到不属于Keras内置的名称
  for layer in model_config["config"]["layers"]:
    print(layer["class_name"])
  

  拿到自定义层名后，对应检查你本地导入的对象是否为可调用的类/函数，而非模块对象即可。

常见避坑点 #

• 训练与加载环境的自定义组件路径必须保持一致，路径差异会导致Keras无法匹配到正确的可调用对象
• 不要使用import 模块名的方式导入自定义组件后直接传入custom_objects，必须显式导入到类/函数层级

内容的提问来源于stack exchange，提问作者Buggorilla