Colab训练的TensorFlow模型在本地PC加载报错该如何解决

该报错由TensorFlow跨版本兼容性导致，高版本2.6保存的H5格式模型在低版本2.1加载时，配置字段编码格式不匹配触发属性错误。

• 方案1：安装匹配版本TensorFlow（优先推荐）
  conda官方源Windows端tensorflow-gpu包更新滞后，改用pip安装即可获取对应版本，建议先新建虚拟环境避免依赖冲突：

# 新建虚拟环境
conda create -n tf26 python=3.8
# 激活环境
conda activate tf26
# pip安装指定版本GPU版TensorFlow
pip install tensorflow-gpu==2.6.0

安装完成后直接加载原模型即可。

• 方案2：修改Colab端保存逻辑，适配本地低版本
  无需调整本地环境，在Colab训练完成后更换保存方式即可：

1. 使用兼容性更好的SavedModel格式保存
   Colab端执行：

# 保存为SavedModel格式，会生成一个完整文件夹
model.save('mymodel_savedmodel')

将文件夹下载到本地后执行加载：

from tensorflow import keras
model = keras.models.load_model('mymodel_savedmodel')

2. 模型结构与权重分开保存（兼容性最强）
   Colab端执行：

# 保存模型结构
json_config = model.to_json()
with open('model_config.json', 'w', encoding='utf-8') as f:
    f.write(json_config)
# 保存模型权重
model.save_weights('model_weights.h5')

本地加载执行：

from tensorflow.keras.models import model_from_json
# 加载结构
with open('model_config.json', 'r', encoding='utf-8') as f:
    json_config = f.read()
model = model_from_json(json_config)
# 加载权重
model.load_weights('model_weights.h5')

• 方案3：临时补丁修复（仅应急使用）
  不想调整两端环境的前提下，可在本地加载前修改导入逻辑，跳过错误的decode步骤：

import json
import h5py
from tensorflow.keras.models import model_from_json

# 读取h5模型文件
f = h5py.File('mymodel.h5', mode='r')
model_config = f.attrs.get('model_config')
# 手动适配编码格式
if isinstance(model_config, bytes):
    model_config = model_config.decode('utf-8')
model_config = json.loads(model_config)
# 加载模型结构和权重
model = model_from_json(model_config)
model.load_weights('mymodel.h5')
f.close()

另外注意本地加载时优先使用TensorFlow自带的keras（from tensorflow import keras），不要使用单独安装的keras包，可避免额外的版本不匹配问题。

内容的提问来源于stack exchange，提问作者ℕʘʘḆḽḘ