不能。onnx转换器（如tf2onnx）不接受keras模型对象，必须先将keras模型以save_format="tf"保存为savedmodel格式，再用tf2onnx.convert_from_saved_model()转换；若仅有.h5文件，需先load_model再save为tf格式。
tf.keras.models.load_model() 加载模型后无法直接转 ONNX？
不能。ONNX 转换器（如 tf2onnx）不接受 Keras 模型对象作为直接输入，它需要的是 TensorFlow 的 SavedModel 格式或冻结图（frozen graph）。即使你用 model.save("my_model") 保存了 Keras 模型，也必须确保它是以 save_format="tf"（即 SavedModel）方式保存的，而非 HDF5（.h5）。否则 tf2onnx.convert.from_saved_model() 会报 ValueError: Cannot find saved_model.pb。
- ✅ 正确保存：
model.save("my_model", save_format="tf") - ❌ 错误保存：
model.save("my_model.h5")（后续需先加载再导出为 SavedModel） - 若只有
.h5文件，先用tf.keras.models.load_model("my_model.h5")加载，再调用model.save("my_model_converted", save_format="tf")
使用 tf2onnx.convert.from_saved_model() 时 shape 不匹配报错
常见错误是 Input shapes do not match the expected signature 或 None is not allowed in input shape。这是因为 ONNX 要求输入张量 shape 尽可能明确（尤其是 batch 维），而 Keras 默认导出的 SavedModel 可能保留 None（动态 batch size）。你需要显式指定 input_signature 或用 opset 兼容方式处理。
- 推荐做法：用
tf.TensorSpec构造确定 shape 的签名，例如input_signature=[tf.TensorSpec([1, 224, 224, 3], tf.float32)] - 避免只传
input_shape参数——from_saved_model()不支持该参数，那是旧版 API 的遗留写法 - 如果模型含自定义层或非标准 op（如
tf.image.resize），加--opset 15（或更高）并检查tf2onnx版本是否 ≥ 1.16
转换后 ONNX 模型 inference 结果与 TF 不一致
最常见原因是预处理差异：TensorFlow 默认 RGB 输入，但某些 ONNX runtime（如 onnxruntime）默认按 NHWC 布局解析，且未自动做归一化或通道顺序调整。不是模型转换出错，而是数据喂入前没对齐。
- 确认 TF 模型训练时的预处理逻辑（如是否除以 255、是否减均值、是否 BGR→RGB）
- 在 ONNX 推理前，用相同逻辑处理输入 numpy array，例如：
img = img.astype(np.float32) / 255.0，再np.transpose(img, (2, 0, 1))（若 ONNX 模型要求 NCHW） - 用
onnx.checker.check_model()验证模型结构合法性；用onnx.shape_inference.infer_shapes()查看各节点 shape 是否合理
Windows 下 pip install tf2onnx 失败或 import 报 DLL 加载错误
这通常源于 TensorFlow 和 Python 版本组合不兼容，或系统缺少 Visual C++ 运行库。尤其在 Python 3.11+ 或 TF 2.15+ 环境中，tf2onnx 的 wheel 包尚未完全同步更新。
- 优先使用 conda 安装：
conda install -c conda-forge tf2onnx（更稳定） - 若坚持 pip，请降级到已验证组合：Python 3.10 + TF 2.13 + tf2onnx 1.16.1
- 安装后运行
python -c "import tf2onnx; print(tf2onnx.__version__)"确认无 DLL 冲突；若仍失败，手动安装 Microsoft Visual C++ 2015–2022 Redistributable
.h5；你以为输入 shape 是“自动推断的”，其实 ONNX 需要你亲手写死。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！
