PyTorch加载自身导出的.h5模型提示ModuleNotFoundError如何解决？

你遇到的ModuleNotFoundError: No module named 'model'报错和导入缺失直接相关，核心是PyTorch的序列化逻辑导致的：

• torch.save直接保存完整模型对象时，默认使用pickle机制，不会存储模型类NSNetModel的完整定义，只会存储该类在你导出环境中的引用路径（也就是你导出时NSNetModel是从model模块导入的）
• 加载模型的环境中，没有对应路径的model模块，也没有提前导入NSNetModel类，pickle反序列化时找不到对应的类定义就会抛出这个错误

另外补充说明：你使用.h5作为模型文件后缀不影响加载逻辑，只是该后缀通常用于HDF5格式/Keras模型，容易引发混淆，建议后续使用PyTorch官方推荐的.pth/.pt后缀。

方案1：补全导入（适配现有模型文件） #

在执行torch.load之前，保证NSNetModel的导入路径和你导出模型时的路径完全一致即可，比如你导出时的导入语句为from model import NSNetModel，加载代码前先执行同一句导入即可。

如果找不到原model模块，也可以用临时模块映射的方式应急加载：

import torch
import sys
# 此处导入你自己的NSNetModel类，替换为实际的导入语句
from your_module_path import NSNetModel

# 手动将缺失的model模块映射到当前NSNetModel所在的模块
sys.modules['model'] = sys.modules['your_module_path']
# 再加载模型
loaded_model = torch.load('/Users/me/tmp_model.h5')

方案2：调整导出逻辑（推荐，避免路径依赖） #

后续导出模型时只保存权重参数，不保存完整模型对象，彻底避免类路径依赖问题：

导出代码调整 #

from pathlib import Path
import torch

ckpoint = 'version_131/epoch=171-step=1375.ckpt'
model = NSNetModel.load_from_checkpoint(Path('/Users/dev/Documents/models/'+ckpoint))
# 仅保存模型权重字典
torch.save(model.state_dict(), 'tmp_model_weights.pth')

加载代码 #

import torch
# 导入你的模型类
from your_module_path import NSNetModel

# 先实例化模型类
model = NSNetModel()
# 加载权重到实例中
model.load_state_dict(torch.load('tmp_model_weights.pth'))

内容的提问来源于stack exchange，提问作者Eric