Keras模型无法加载权重咨询：Keras与TensorFlow混合构建模型

哎，这种混合用原生TF会话和Keras的写法确实容易踩权重加载的坑——核心问题大多出在模型构建的图结构和权重保存/加载的逻辑没对齐上。结合你给出的代码片段，我给你梳理几个实用的排查和解决步骤：

1. 先确认权重保存的方式是否正确 #

如果你是用Keras的model.save_weights()保存的，但模型是在tf.Session里用原生TF操作（比如tf.placeholder、tf.image.crop_and_resize）搭的，那大概率是保存的权重和图结构不匹配。

建议你在同一个会话上下文里用原生TensorFlow的tf.train.Saver()来保存权重，这样能确保和你的图完全绑定：

# 示例：在你的训练会话中添加保存逻辑
config = tf.ConfigProto()
# 你的config配置（比如GPU内存分配等）...
with tf.Session(config=config) as sess:
    with tf.device("/device:GPU:0"):
        # 完全保留你原有的模型构建代码
        raw_img_float = tf.placeholder(tf.float32, shape=(None,512,640,3))
        bbox_tensor = tf.stack([by1,bx1,by2,bx2],axis=1)
        cropped_img = tf.image.crop_and_resize(
            image=raw_img_float,
            boxes=bbox_tensor,
            box_ind=list(range(BATCH)),
            crop_size=[int(NETWORK_INPUT_SIZE), int(NETWORK_INPUT_SIZE)]
        )
        # 假设你后续把cropped_img接入了Keras层（比如卷积层）
        from keras.layers import Conv2D
        keras_conv = Conv2D(32, (3,3), activation='relu')(cropped_img)
        
        # 先初始化所有变量，再保存
        sess.run(tf.global_variables_initializer())
        # 训练逻辑...
        
        # 用原生TF保存权重
        saver = tf.train.Saver()
        saver.save(sess, './my_model_weights.ckpt')

2. 加载权重时必须先复现完整图结构 #

加载权重的核心原则是：先1:1复现保存权重时的整个图结构，再恢复权重，不能跳过图构建直接加载。

正确的加载流程应该是这样：

config = tf.ConfigProto()
with tf.Session(config=config) as sess:
    with tf.device("/device:GPU:0"):
        # 第一步：完全复制你保存权重时的模型构建代码，包括所有占位符、TF操作、Keras层
        raw_img_float = tf.placeholder(tf.float32, shape=(None,512,640,3))
        bbox_tensor = tf.stack([by1,bx1,by2,bx2],axis=1)
        cropped_img = tf.image.crop_and_resize(
            image=raw_img_float,
            boxes=bbox_tensor,
            box_ind=list(range(BATCH)),
            crop_size=[int(NETWORK_INPUT_SIZE), int(NETWORK_INPUT_SIZE)]
        )
        from keras.layers import Conv2D
        keras_conv = Conv2D(32, (3,3), activation='relu')(cropped_img)
        
        # 第二步：初始化变量，再恢复权重
        sess.run(tf.global_variables_initializer())
        saver = tf.train.Saver()
        saver.restore(sess, './my_model_weights.ckpt')
        
        # 可以验证一下：打印某层的权重形状，确认加载成功
        conv_weights = sess.run(keras_conv.weights[0])
        print(f"加载的卷积层权重形状：{conv_weights.shape}")

3. 避免Keras全局图和TF会话图冲突 #

如果你同时混用了Keras的keras.backend.get_session()和自己手动创建的tf.Session，很容易出现图不兼容的问题。建议你统一风格：

• 要么全程用Keras API重构模型（比如用keras.Input替代tf.placeholder，用Keras的层实现裁剪逻辑），这样直接用model.load_weights()就能轻松加载；
• 要么全程用原生TF会话管理所有变量和图，彻底避免两套框架的冲突。

4. 检查权重文件完整性 #

如果保存时会话异常关闭，可能会导致权重文件损坏。你可以检查.ckpt相关的三个文件（.index、.data-00000-of-00001、.meta）是否都存在，且文件大小正常。

要是按上面的步骤还是没解决，你可以补充一下加载时的具体报错信息，以及保存权重的完整代码，这样能更快定位问题~

内容的提问来源于stack exchange，提问作者LKM