Keras加载model.h5本地运行正常，部署到Heroku时报错如何解决？

步骤1：确认model.h5确实部署到了Heroku实例 #

• 先检查你的GitHub仓库里是否有model.h5文件：如果文件大小超过100M，GitHub默认不允许直接上传，需要用Git LFS存储，否则你提交的只是个指针文件，实际模型数据没传上去，Heroku拉取的时候拿到的是无效文件，自然会被识别为非h5格式，触发SavedModel查找逻辑
• 排查.slugignore缓存：删除.slugignore后需要清空Heroku的构建缓存再重新部署，执行命令heroku builds:cache:purge -a 你的Heroku应用名，之后重新push代码部署，避免之前的忽略规则缓存生效
• 部署后可以临时加一行代码打印目录文件确认：在加载模型前加print(os.listdir(os.path.dirname(os.path.abspath(__file__))))，之后到Heroku应用的日志面板查看输出，确认model.h5在文件列表中

步骤2：修正路径加载逻辑 #

不要直接用相对路径加载，用当前脚本的绝对路径拼接模型文件名，避免工作目录偏移导致找不到文件，修改加载代码为：

import streamlit as st
import numpy as np
import cv2
from tensorflow.keras.models import load_model
import os

# 获取当前脚本所在目录的绝对路径
current_dir = os.path.dirname(os.path.abspath(__file__))
model_path = os.path.join(current_dir, "model.h5")
model = load_model(model_path, compile=False)

注意这里把from keras.models import load_model改成了from tensorflow.keras.models import load_model，避免独立keras库和TensorFlow内置keras的版本冲突，现在主流的TensorFlow版本都内置keras，不需要单独安装独立keras包。

步骤3：对齐TensorFlow版本 #

在你的项目的requirements.txt里明确指定TensorFlow版本，和你本地保存模型时用的版本完全一致，比如你本地用的是tensorflow==2.10.0，就写tensorflow==2.10.0，不要写tensorflow>=xxx或者不写版本，避免Heroku自动安装最新版本导致版本不兼容，高版本TensorFlow对旧版h5格式模型的加载逻辑有变动，会优先识别为SavedModel格式，出现你遇到的报错。

可选方案：如果h5加载始终有问题，可切换为SavedModel格式 #

如果上面的步骤都试了还是不行，可以把模型转成SavedModel格式，保存的时候用model.save("my_model")（不要加.h5后缀），就会自动生成一个my_model的文件夹，里面包含pb格式文件和变量目录，加载的时候直接传文件夹路径load_model("my_model")即可，这种格式是TensorFlow官方推荐的存储格式，兼容性更好，不会出现h5的版本适配问题。

内容的提问来源于stack exchange，提问作者J minding