TensorFlow 2.4.0 ModelCheckpointCallback加载报KeyError:'name'求教

你遇到的“保存时弹出未跟踪函数警告、加载全量SavedModel时报KeyError: 'name'”是TensorFlow 2.4.0 版本针对自定义结构模型的SavedModel序列化模块的已知兼容缺陷，和你是否使用H5格式存储、是否参考旧TF1.x解决方案没有直接关系。
你的认知是准确的：对于标准Sequential/Functional构建的Keras模型，SavedModel格式的存储/加载流程确实不强制要求实现get_config/from_config方法。但TF2.4的序列化逻辑存在缺口——只要你的模型包含未完成静态图追踪的自定义层/子类化模型，保存时就不会把层的必填元数据（包括name字段）写入SavedModel的节点配置，最终导致加载时读取不到对应键触发报错。

• 直接避开全量结构加载的临时方案
  把ModelCheckpoint的配置改成save_weights_only=True，仅在对应路径保存模型权重；加载时先在代码里实例化和训练阶段结构完全一致的模型对象，再调用model.load_weights(对应checkpoint路径)加载参数。这个方案完全绕开TF2.4本身的SavedModel结构加载逻辑，稳定性最高，不会触发元数据缺失类的报错，也是生产环境在该版本下的常用规避手段。
• 想保留全量SavedModel存储的调整方向
  • 修改保存的文件路径规则：把原来带.tf后缀的路径（比如checkpoint_02.tf）调整为无后缀的普通目录名（比如checkpoint_02）。TF2.4的SavedModel加载逻辑会对带.tf后缀的路径触发旧版兼容加载分支，该分支对元数据缺失节点的处理存在bug，无后缀路径会走新版加载逻辑，多数场景可以直接规避KeyError: 'name'报错。
  • 保存前主动补全图追踪：在训练流程的初始化阶段，模型完成构建后手动传入和训练输入shape一致的张量跑一次完整前向传播，让Keras完成所有自定义层的函数追踪，彻底消除保存时弹出的“存在未跟踪函数”的警告。未跟踪函数的警告数量和你后续加载失败的概率完全正相关，警告里提到的每一个层，都是缺少对应元数据的风险点。
• 长期适配的根治方案
  哪怕使用SavedModel格式存储，也给所有自定义层、自定义子类化模型补全基础序列化逻辑：在类初始化时把所有构造参数存为实例属性，实现get_config()返回构造参数字典，实现from_config()通过传入的配置字典重新实例化类。这个操作和存储格式无关——TF2.4的SavedModel逻辑只要检测到层实现了完整的config接口，就会把包括name在内的完整元数据写入保存目录，从根源上避免元数据缺失的问题。你之前看到的“SavedModel不需要实现get_config”的结论是TF2.6之后正式版SavedModel机制的规则，不适用于2.4这个过渡版本。

• 不要把所有历史解决方案一刀切判定为不适用：很多资料提到的get_config实现要求，确实最初是H5格式的强制规则，但在TF2.4的SavedModel实现存在缺口的阶段，补全这个逻辑反而是降低兼容问题的必要手段，和存储格式本身的要求没有冲突。
• 不要忽略保存阶段的警告提示：“存在未跟踪函数”的警告不是无关紧要的冗余提示，它直接标记了所有没有完成序列化元数据采集的模块，这些模块就是后续加载报错的直接来源。

内容的提问来源于stack exchange，提问作者SmileyProd