TensorFlow模型保存加载后预测报错：AttributeError: 'list'无'keys'属性

我之前也踩过这个坑！大概率是你加载模型后拿到的不是正经的Keras模型实例，而是个列表，所以调用predict的时候才会触发这个错误。结合TensorFlow的常见使用场景，我整理了几个排查和解决的方向：

• 检查模型加载后的对象类型
  先在加载模型后加一行代码确认类型：

  model = tf.keras.models.load_model("你的模型路径")
  print(type(model))
  

  如果输出是类似<class 'list'>，那说明加载逻辑返回了模型列表（比如你保存了多个模型权重或者用了特殊的保存方式），这时候需要取列表里的第一个模型实例再调用predict：

  model = model[0]
  predictions = model.predict(你的输入数据)
  

• 确认保存和加载的方式匹配
  TensorFlow有几种模型保存格式，保存和加载方式不匹配也会导致异常：

  • 如果用model.save("my_model.h5")保存HDF5格式，必须用tf.keras.models.load_model("my_model.h5")加载，这样会直接返回Keras模型实例
  • 如果用tf.saved_model.save(model, "my_saved_model")保存SavedModel格式，要是直接用tf.saved_model.load()加载，返回的是SavedModel对象，不能直接调用predict，这时候可以改用tf.keras.models.load_model("my_saved_model")来加载成Keras模型，或者用签名函数做预测：

    loaded_model = tf.saved_model.load("my_saved_model")
    infer_func = loaded_model.signatures["serving_default"]
    result = infer_func(tf.constant(你的输入数据))
    

• 排查输入数据的格式
  虽然你的错误提示指向列表没有keys方法，但也有可能是输入数据的问题：如果你的模型是多输入模型，期望接收字典格式的输入，但你传入了列表，也可能触发类似错误。比如模型输入层有两个命名输入，那应该这样传参：

  predictions = model.predict({"input_1": data1, "input_2": data2})
  

  而不是直接传[data1, data2]（除非模型的输入是按顺序的列表输入）。

• 检查模型路径是否正确
  看看你构建模型路径的时候有没有出错，比如SYM、TYPE这些变量拼接路径时，会不会指向了包含多个模型文件的文件夹，导致load_model返回了模型列表？可以打印出最终的模型路径确认一下。

这里给你一个标准的保存-加载-预测流程参考：

# 训练完成后保存模型
model.save("trained_model.h5")

# 后续加载模型并预测
loaded_model = tf.keras.models.load_model("trained_model.h5")
# 假设输入数据是numpy数组或张量
test_data = np.random.rand(1, 10)  # 示例输入
predictions = loaded_model.predict(test_data)
print(predictions)

内容的提问来源于stack exchange，提问作者T.Melino