运行load_model加载h5模型时报keras.backend无unique_object_name属性错误

• 核心为Keras版本不兼容：你尝试加载的cnnCat2.h5模型由旧版本独立Keras（通常为2.3.x/2.4.x版本）训练导出，unique_object_name是旧版Keras后端的内置方法，该方法在Keras 2.10+版本、以及TensorFlow集成的tf.keras中已被移除或重命名，因此调用load_model加载旧模型时会触发属性不存在的报错。
• 次要触发场景：本地同时安装了独立Keras和TensorFlow内置Keras，导入路径冲突也可能导致该报错。

方案1：降级Keras到匹配版本（最稳妥，无需修改业务代码） #

直接安装和模型训练环境匹配的Keras、TensorFlow版本，执行以下安装命令即可：

pip install keras==2.4.3 tensorflow==2.4.1

安装完成后重新运行原代码即可正常加载模型。

方案2：添加兼容层加载（适合不想降级现有开发环境的场景） #

修改导入路径和模型加载代码，手动补全缺失的unique_object_name方法：

1. 首先修改依赖导入语句：

import cv2
import os
import tensorflow as tf
from tensorflow.keras.models import load_model
import numpy as np
from pygame import mixer
import time

2. 然后修改模型加载代码，传入自定义对象参数：

from tensorflow.keras.utils import register_keras_serializable

@register_keras_serializable()
def unique_object_name(name, zero_based=True):
    return name

model = load_model('C:/Users/Henry/Downloads/Drowsiness detection/Drowsiness detection/models/cnnCat2.h5', custom_objects={'unique_object_name': unique_object_name})

方案3：重新训练模型（适合持有模型训练源码的场景） #

如果你有该模型的完整训练代码，使用当前环境的Keras重新训练并导出模型，新导出的模型可以直接在当前环境加载，不会出现版本不兼容问题。

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