如何在Python中将Keras模型无缝迁移到TensorFlow 2.x架构？-Python教程-PHP中文网

Keras已是TensorFlow 2.x默认高阶API，迁移本质是统一命名空间与行为对齐；需确保使用tf.keras而非独立keras包，验证版本一致，保存时显式指定SavedModel或HDF5格式，并为自定义层实现get_config/from_config方法。

如何在python中将keras模型无缝迁移到tensorflow 2.x架构？

Keras 已是 TensorFlow 2.x 的默认高阶 API，所谓“迁移”本质上是统一命名空间和行为对齐，不是重写或转换——只要不混用 tf.keras 和独立安装的 keras 包，模型本身无需修改即可运行。

确认你用的是 `tf.keras` 而不是独立 `keras`

这是最常踩的坑：独立安装的 keras（pip install keras）与 tensorflow 不同步，会导致 model.save() 报错、自定义层丢失、甚至训练结果不一致。

检查导入方式：必须是 from tensorflow import keras 或 import tensorflow as tf; model = tf.keras.Sequential(...)
验证来源：打印 keras.__version__ 应与 tf.__version__ 主版本一致（如都是 2.15.x）；若显示 2.14.0 但 tf.__version__ 是 2.15.0，说明用了独立 keras
解决方法：卸载独立 keras（pip uninstall keras），仅保留 tensorflow

`model.save()` 保存路径和格式必须明确指定

TensorFlow 2.x 默认使用 SavedModel 格式，但旧代码若依赖 HDF5（.h5）且未显式声明，可能在某些环境（如 TPU、TF 2.16+）下失败。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

推荐显式保存为 SavedModel：model.save("my_model")（无后缀，生成目录）——兼容性最好，支持完整计算图和自定义对象
如需 HDF5，必须加 save_format="h5"：model.save("model.h5", save_format="h5")
加载时也需对应：tf.keras.models.load_model("my_model")（SavedModel）或 tf.keras.models.load_model("model.h5")（HDF5）
注意：HDF5 不保存自定义 Layer、Loss 或 Metric 的源码，除非用 custom_objects 参数显式传入

自定义层/损失函数必须可序列化

TensorFlow 2.x 的 SavedModel 保存机制要求所有自定义类实现 get_config() 和 from_config()，否则 load_model() 会报 ValueError: Unknown layer。

最简补救：在自定义类中添加这两个方法，哪怕只返回空字典和默认构造

示例：

class MyDense(tf.keras.layers.Layer):
    def __init__(self, units, **kwargs):
        super().__init__(**kwargs)
        self.units = units
    def build(self, input_shape):
        self.w = self.add_weight(shape=(input_shape[-1], self.units))
    def call(self, x):
        return tf.matmul(x, self.w)
    def get_config(self):
        return {"units": self.units}
    @classmethod
    def from_config(cls, config):
        return cls(**config)

如果只是临时调试，可用 custom_objects 加载：load_model("path", custom_objects={"MyDense": MyDense})，但这不能用于跨环境部署

真正麻烦的从来不是 API 名称变化，而是隐式依赖——比如用 keras.utils.get_file() 下载数据集，它在独立 keras 里指向 Keras 官方 CDN，而在 tf.keras 中已弃用，得换成 tf.keras.utils.get_file() 或直接用 tf.keras.datasets。