如何将从GridFS读取的Keras模型字节数据转为可执行预测的模型实例？

你从GridFS读取到的是模型序列化后的二进制字节数据，无法直接调用Keras模型的方法，需要先将字节流反序列化为Keras模型实例，操作步骤如下：

前置依赖导入 #

import io
from tensorflow.keras.models import load_model
from bson.objectid import ObjectId

完整操作代码 #

# 原有GridFS读取逻辑
gout = fs.get(ObjectId(objectID))
fout = gout.read()

# 字节流转模型核心逻辑
# 将字节数据封装为类文件对象
model_stream = io.BytesIO(fout)
# 加载为Keras模型实例
model = load_model(model_stream)

# 正常执行预测
y_pred = model.predict(X)

注意事项 #

• 保存模型和加载模型时使用的Keras/TensorFlow版本需保持一致，避免出现层结构不兼容、API变更导致的加载报错
• 如果你存入GridFS时仅保存了模型权重（未保存模型结构），需要先初始化和训练阶段完全一致的模型结构，再通过如下方式加载权重：

  # 先定义和训练时结构完全相同的模型
  model = your_defined_model()
  # 加载权重字节流
  model.load_weights(io.BytesIO(fout))
  

内容的提问来源于stack exchange，提问作者a.v. Magia