为何TensorFlow加载含无参初始化Normalization层的模型会抛出异常？

该报错不属于TensorFlow漏洞，是HDF5（.h5）模型保存格式的特性限制导致的：

• 无参初始化Normalization()时，层的输入维度不会在初始化阶段确定，而是在调用adapt()方法、第一次前向传播时动态推理得到，该动态推理的输入形状属于层的运行时状态，不属于初始化传入的固定参数。
• HDF5格式保存Keras模型时，仅会持久化层初始化时传入的参数，不会保存运行时动态生成的形状信息、适配得到的统计值状态。模型保存前可正常运行，是因为这些状态都存储在当前进程的内存中；加载模型时，新建的Normalization层无法获取输入形状信息，就会触发维度未知的报错。

方案1：初始化时固定输入形状 #

即你已经验证可行的方案，初始化Normalization时明确传入input_dim或者input_shape参数：

normalizer = tf.keras.layers.experimental.preprocessing.Normalization(input_dim=5)

该参数属于层的初始化配置，会被写入.h5文件，加载时层可直接读取输入维度，不会触发报错。

方案2：改用SavedModel格式保存模型 #

TensorFlow原生的SavedModel格式会完整持久化层的所有运行时状态，包括动态推理得到的输入形状、adapt()生成的均值方差等统计值，无需修改Normalization的初始化代码：
保存时去掉.h5后缀，直接指定文件夹路径即可：

model.save('AI/test_model')

加载时直接读取对应路径即可正常使用：

model = tf.keras.models.load_model('AI/test_model')

内容的提问来源于stack exchange，提问作者Simple