树莓派3加载Keras模型small_model.h5报错：TensorFlow无global_variables属性

这个错误的核心原因是你保存的small_model.h5是基于TensorFlow 1.x版本的Keras生成的，但当前树莓派上安装的是TensorFlow 2.x版本——TF2.x已经移除了tensorflow.global_variables这个API（它被迁移到了tensorflow.compat.v1.global_variables），而旧模型加载时会调用这个已废弃的接口，导致报错。下面是一步步的解决方案：

方案1：使用TF2.x原生的加载方式 #

首先，放弃单独导入Keras的load_model，改用TensorFlow整合的tf.keras.models.load_model，这是TF2.x官方推荐的方式，能更好地兼容新旧模型：

import tensorflow as tf
# 直接用tf.keras的加载函数
small_model = tf.keras.models.load_model('small_model.h5')

方案2：开启TF1.x兼容模式加载 #

如果方案1还是报错，说明模型里有大量TF1.x专属的操作，需要临时切换到TF1.x的兼容环境：

import tensorflow as tf
# 关闭TF2.x的即时执行模式，模拟TF1.x运行环境
tf.compat.v1.disable_eager_execution()
# 使用兼容版的加载函数
small_model = tf.compat.v1.keras.models.load_model('small_model.h5')

方案3：修复TF与Keras的版本冲突 #

你提到升级过TF和Keras但无效，很可能是因为同时安装了独立的Keras包和TensorFlow自带的tf.keras，两者版本不匹配导致冲突。解决方法是卸载独立的Keras，只保留TF自带的版本：

1. 卸载独立Keras：

pip uninstall keras -y

2. 重新升级TensorFlow（确保安装树莓派兼容的版本，比如TF 2.15.x，这是支持ARM32的最后几个版本之一）：

pip install --upgrade tensorflow

3. 验证版本匹配：

import tensorflow as tf
print(f"TensorFlow版本: {tf.__version__}")
print(f"tf.keras版本: {tf.keras.__version__}")

两者版本号应该完全一致（比如都是2.15.0）。

方案4：转换模型为TF2.x支持的SavedModel格式 #

如果上述方法都无效，说明模型过于老旧，最好将它转换为TF2.x原生支持的SavedModel格式：

1. 找一台装有TensorFlow 1.x的机器（或者用虚拟环境），加载模型并重新保存：

from keras.models import load_model
model = load_model('small_model.h5')
# 保存为SavedModel格式
model.save('small_model_savedmodel', save_format='tf')

2. 将转换后的small_model_savedmodel文件夹传到树莓派，用TF2.x加载：

import tensorflow as tf
small_model = tf.keras.models.load_model('small_model_savedmodel')

另外要注意：你之前用h5py直接读取模型文件是没用的——h5py只能读取HDF5文件的原始数据结构，无法解析Keras模型的架构、权重和计算图，必须用Keras/TF官方的加载函数才行。

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