Colab可正常加载h5模型，本地Flask调用load_model报配置格式错误

我之前也碰到过一模一样的问题！这大概率是Colab与本地环境的TensorFlow/Keras版本不匹配导致的——尤其是MobileNet这类预训练模型的保存和加载，对版本一致性要求特别高。下面是我亲测有效的解决方法：

方法1：对齐Colab与本地的TensorFlow版本 #

这是最直接的解决方案：

• 先在Colab里运行以下命令，查看当前使用的TensorFlow版本：

  import tensorflow as tf
  print(tf.__version__)
  

• 然后在本地Flask环境中，安装完全相同版本的TensorFlow：

  pip install tensorflow==x.x.x  # 把x.x.x替换成Colab里的版本号
  

  注意：现在Keras已经整合进TensorFlow了，不需要单独安装keras包，直接用from tensorflow.keras.models import load_model即可。

方法2：改用SavedModel格式保存模型 #

H5格式在跨版本时容易出现配置解析问题，而SavedModel是TensorFlow官方推荐的更稳定的格式：

• 在Colab中修改模型保存代码：

  # 去掉.h5后缀，保存为文件夹格式
  model.save('chest-xray-pneumonia')
  

• 下载整个chest-xray-pneumonia文件夹到本地（确保包含里面的assets、variables等子文件夹，不要漏文件）
• 本地Flask中加载模型：

  from tensorflow.keras.models import load_model
  new_model = load_model(os.path.join(app.config['UPLOAD_FOLDER'],"chest-xray-pneumonia"))
  

方法3：手动构建模型结构后加载权重 #

如果上面两种方法都不行，可以通过“先复刻模型结构，再单独加载权重”的方式绕开配置解析问题：

• 在本地Flask的main.py中，完全复制你在Colab里写的模型构建代码：

  from tensorflow.keras.applications import MobileNet
  from tensorflow.keras.layers import GlobalAveragePooling2D, Dense
  from tensorflow.keras.models import Model
  
  # 复刻Colab中的模型结构
  base_model = MobileNet(weights='imagenet', include_top=False)
  x = base_model.output
  x = GlobalAveragePooling2D()(x)
  x = Dense(1024, activation='relu')(x)
  x = Dense(1024, activation='relu')(x)
  x = Dense(512, activation='relu')(x)
  preds = Dense(2, activation='softmax')(x)
  model = Model(inputs=base_model.input, outputs=preds)
  
  # 加载训练好的权重（注意这里用load_weights而不是load_model）
  model.load_weights(os.path.join(app.config['UPLOAD_FOLDER'], "chest-xray-pneumonia.h5"))
  

  这种方式相当于本地重新搭建了和Colab完全一致的模型骨架，只把训练好的参数“填”进去，能彻底避免模型配置不兼容的问题。

额外注意事项 #

• 确保本地环境已经安装了pillow等图像处理依赖，避免预测时出现其他报错：

  pip install pillow
  

• 如果使用方法3，第一次运行时会自动下载MobileNet的预训练权重，可能需要等待一会。

内容的提问来源于stack exchange，提问作者user2342708