Keras load_model在Colab可正常加载 本地Jupyter/VSCode加载失败

问题根因 #

你遇到的报错本质是本地环境的Keras加载器在读取路径时，错误将SavedModel格式的目录识别为HDF5格式的单文件，尝试以二进制文件方式打开目录触发系统级错误。
Colab环境无异常的核心原因是Colab默认使用TensorFlow绑定的tf.keras作为Keras实现，格式识别逻辑对SavedModel目录做了兼容；而本地环境大概率使用了独立发行的Keras包，或者Keras自动格式识别逻辑失效。

解决方法 #

1. 统一Keras导入来源
   将代码中所有Keras相关的导入语句全部替换为TensorFlow内置的Keras实现，避免独立Keras包的兼容问题：

# 替换原有的 import keras 或 from keras import xxx
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Flatten
from tensorflow.keras.optimizers import Adam

2. 加载时显式指定格式
   调用load_model时显式传入save_format="tf"参数，强制加载器按照SavedModel格式处理路径，跳过自动格式识别的易出错环节：

loaded_model = keras.models.load_model(save_path, save_format="tf")

3. 关于tf.saved_model.load的兼容问题补充
   tf.saved_model.load是TensorFlow底层的SavedModel加载接口，返回的是原生TensorFlow计算图实例，本身就不支持Keras模型的predict()、fit()等上层方法，不属于异常。如果需要使用该接口加载后调用Keras方法，可以手动封装为Keras模型对象：

loaded_saved_model = tf.saved_model.load(save_path)
loaded_model = keras.models.Model(
    inputs=loaded_saved_model.signatures["serving_default"].inputs,
    outputs=loaded_saved_model.signatures["serving_default"].outputs
)

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