Keras保存Sequential模型报CustomMaskWarning加载后预测错误如何解决

• 代码缺少import tensorflow as tf导入语句，调用tf.keras.applications.ResNet50时会触发未定义错误，同时影响模型序列化逻辑
• 定义ResNet50时pooling=max写法错误，应为字符串格式的"max"，非法参数会导致序列化时配置异常
• 使用HDF5（.h5）格式保存包含预训练基础模型的组合模型时，Keras无法完整序列化ResNet50的内部配置，加载时层参数丢失导致预测结果异常
• 保存时触发的CustomMaskWarning是因为序列化过程无法正确识别基础模型内部掩码层的配置，加载时配置不全进一步导致输出错误

方案1：使用TensorFlow SavedModel格式（优先推荐） #

SavedModel是TensorFlow官方原生支持的模型格式，会完整保存模型的计算图、结构、权重，无需额外处理自定义对象，兼容性最好：

# 保存模型（路径不需要加.h5后缀，会自动生成对应目录）
model.save("/media/TOSHIBA EXT/trained_model/UAV_01_savedmodel")

# 加载模型
model = keras.models.load_model("/media/TOSHIBA EXT/trained_model/UAV_01_savedmodel")

方案2：必须使用H5格式的处理方法 #

首先修正模型定义的两处错误：

# 首先补全导入
import tensorflow as tf

# 修正ResNet50的pooling参数
base_model = tf.keras.applications.ResNet50(
    include_top=False,
    weights="imagenet",
    input_shape=(1134,1134,3),
    pooling="max",
)

之后可选择两种加载方式：

方式A：加载时传入自定义对象 #

# 保存模型
model.save("/media/TOSHIBA EXT/trained_model/UAV_01.h5")

# 加载模型，指定custom_objects参数传入ResNet50类
model = keras.models.load_model(
    "/media/TOSHIBA EXT/trained_model/UAV_01.h5",
    custom_objects={"ResNet50": tf.keras.applications.ResNet50}
)

方式B：结构与权重分开保存（最稳妥） #

# 保存阶段：分别存储模型结构和权重
model_json = model.to_json()
with open("/media/TOSHIBA EXT/trained_model/model_structure.json", "w") as f:
    f.write(model_json)
model.save_weights("/media/TOSHIBA EXT/trained_model/model_weights.h5")

# 加载阶段：先加载结构再加载权重
from tensorflow.keras.models import model_from_json
with open("/media/TOSHIBA EXT/trained_model/model_structure.json", "r") as f:
    loaded_model_json = f.read()
model = model_from_json(loaded_model_json, custom_objects={"ResNet50": tf.keras.applications.ResNet50})
model.load_weights("/media/TOSHIBA EXT/trained_model/model_weights.h5")

加载完成后可先调用model.summary()核对结构与保存前一致，再用之前测试正常的单张图片做预测，验证输出结果是否匹配。

内容的提问来源于stack exchange，提问作者user123