加载RetinaNet模型时出现TensorFlow Keras导入报错如何解决

错误原因 #

该报错为版本不兼容导致：官方停止维护的keras-retinanet仅适配TensorFlow 2.3及以下、独立Keras 2.4.3及以下版本。高版本TensorFlow内置Keras移除了keras.utils.generic_utils.populate_dict_with_module_objects接口，同时自定义层序列化逻辑变更，后续出现的Freeze类报错也来源于此。

解决方案 #

方案1：固定兼容版本（最稳定，适配原始训练环境） #

1. 卸载现有冲突包

pip uninstall -y keras tensorflow keras-retinanet

2. 安装匹配版本依赖

# CPU版本
pip install tensorflow==2.3.0 keras==2.4.3
# GPU版本对应CUDA 10.1
# pip install tensorflow-gpu==2.3.0 keras==2.4.3
pip install git+https://github.com/fizyr/keras-retinanet.git@0.5.1

3. 统一导入路径，所有Keras相关导入均从tf.keras调用，避免独立Keras和TensorFlow内置Keras冲突。

方案2：高版本TensorFlow兼容改造（无需降级TF） #

1. 安装社区维护的高版本TF适配分支

pip install git+https://github.com/RobinBaumann/keras-retinanet.git@tf2.10_compat

2. 调整模型加载代码，显式传入自定义对象并关闭编译

from tensorflow.keras.models import load_model
from keras_retinanet import losses
from keras_retinanet.layers import PriorProbability, RegressionModel, FilterDetections, UpsampleLike

custom_objects = {
    'PriorProbability': PriorProbability,
    'RegressionModel': RegressionModel,
    'FilterDetections': FilterDetections,
    'UpsampleLike': UpsampleLike,
    'smooth_l1': losses.smooth_l1(),
    'focal': losses.focal()
}
# 替换原有加载逻辑
model = load_model(rcnn_model_path, custom_objects=custom_objects, compile=False)

方案3：权重直接加载（适配自定义训练模型） #

如果模型是自定义训练的，可直接构建网络结构后加载权重，规避序列化兼容问题：

# 注意num_classes要和预训练模型保持一致
model = models.backbone('resnet101').retinanet(num_classes=你的类别数量, weights=None)
model.load_weights(rcnn_model_path, by_name=True, skip_mismatch=True)

注意事项 #

• 高版本TensorFlow（2.4+）已内置Keras，无需单独安装Keras包，否则会出现导入路径冲突
• 加载推理用预训练模型时建议始终携带compile=False参数，避免训练阶段的优化器、损失函数不兼容问题

内容的提问来源于stack exchange，提问作者Ben Hendel