不推荐在新项目中用 model.save() 保存为 .h5 格式，因其丢失计算图、不支持自定义层/lambda/ tf.function，且跨版本兼容性差；应优先使用 savedmodel。

save() 方法保存模型为 .h5 文件是否还推荐？

不推荐在新项目中直接用 model.save() 保存为 .h5 格式，尤其当模型含自定义层、tf.keras.layers.Lambda、或使用了 tf.function 装饰的训练逻辑时。Keras 自 2.6 起默认启用 SavedModel 优先策略，.h5 保存会丢失计算图结构，且无法跨 TensorFlow 版本可靠加载。

如果你明确需要 .h5（例如部署到旧版 Keras 环境、或与非 TensorFlow 后端交互），必须满足以下条件：

• 模型是纯 Sequential 或 Functional API 构建，不含子类化 tf.keras.Model
• 所有层都来自 tf.keras.layers，无自定义 call() 实现
• 未使用 tf.keras.utils.get_custom_objects() 注册过自定义对象（否则加载时需手动还原）

用 model.save() 保存为 .h5 的正确写法

显式指定 save_format='h5'，并确保文件路径以 .h5 或 .hdf5 结尾：

model.save('my_model.h5', save_format='h5')

注意：save_format 参数不能省略——即使路径带 .h5，Keras 在 TF 2.12+ 中仍可能回退到 SavedModel（取决于内部启发式判断）。常见错误是只写：

model.save('my_model.h5')  # ❌ 不保证生成 .h5，可能创建目录

另外，include_optimizer=True（默认）会把优化器状态一起存入，若只需推理模型，可设为 False 减小体积。

加载 .h5 模型时为什么报 ValueError: Unknown layer？

这个错误几乎总是因为模型里用了自定义层、损失函数或指标，但加载时没通过 custom_objects 显式声明。例如：

from tensorflow.keras.models import load_model
<h1>假设你定义过：</h1><p>class MyDense(tf.keras.layers.Layer):
def call(self, x): return tf.nn.relu(x @ self.w)</p><h1>保存时没问题（只要没调用 call）</h1><p>model.save('custom.h5', save_format='h5')</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill8551" title="Claw Code Suite (Python-Only Edition)"><img
														src="https://img.php.cn/upload/skill/000/000/081/179212160094080.jpg" alt="Claw Code Suite (Python-Only Edition)" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill8551" title="Claw Code Suite (Python-Only Edition)" class="overflowclass">Claw Code Suite (Python-Only Edition)</a>
													<p class="overflowclass">仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill8551" title="Claw Code Suite (Python-Only Edition)" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div><h1>但加载时必须传 custom_objects：</h1><p>model = load_model('custom.h5', custom_objects={'MyDense': MyDense})  # ✅</p><h1>否则报错：ValueError: Unknown layer: MyDense</h1>

更隐蔽的问题：即使没显式写自定义层，用了 Lambda 层且其函数含闭包变量（比如引用了外部 numpy 数组），.h5 也无法序列化该函数体，加载必失败。此时应改用 tf.keras.layers.Lambda 配合 function 参数传入纯函数，或直接放弃 .h5 改用 SavedModel。

Python 调用时如何确认保存的是真 .h5 而非 SavedModel 目录？

执行保存后，检查输出路径：

• 如果是 .h5 文件：看到一个单独的 my_model.h5 文件（可用 h5py.File('my_model.h5', 'r') 打开验证）
• 如果是 SavedModel：看到一个目录，内含 assets/、variables/ 和 saved_model.pb

快速验证命令行：

ls -F my_model.*  # Linux/macOS
dir my_model.*     # Windows

如果出现 my_model.h5/（末尾带斜杠），说明实际保存成了目录——这是 save_format 未生效的铁证，立刻检查参数拼写和 TensorFlow 版本兼容性。

跨版本兼容性差、自定义逻辑支持弱、加载时依赖运行时环境还原——这些不是边缘情况，而是 .h5 格式的固有限制。除非有明确的下游约束，否则 SavedModel 才是当前最稳妥的选择。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！