1. 简要解释报错原因
报错原因是尝试加载的模型文件格式不被支持。Keras 3仅支持V3 .keras文件或H5格式文件（.h5扩展名），而当前模型文件为TensorFlow SavedModel格式，无法直接通过load_model()加载。
2. 原因分析
- 模型文件格式问题：当前模型文件路径为
./models/Conv_LSTM_MLP_Net/models_weight_end，其格式为TensorFlow SavedModel，而非Keras支持的V3.keras或H5格式。 - Keras版本限制：Keras 3不再支持直接加载TensorFlow SavedModel格式的模型。
- 加载方法错误：使用
tf.keras.models.load_model()加载非支持格式的模型会导致ValueError。
3. 修复建议
方法一：将模型转换为H5格式
如果可以重新保存模型，建议将其转换为H5格式：
import tensorflow as tf
# 加载SavedModel格式的模型
model = tf.keras.models.load_model('./models/Conv_LSTM_MLP_Net/models_weight_end')
# 保存为H5格式
model.save('converted_model.h5')
然后在代码中加载H5格式模型：
from tensorflow.keras.models import load_model
# 加载H5格式模型
model = load_model('converted_model.h5')
方法二：使用TFSMLayer加载SavedModel
如果无法转换模型格式，可以使用keras.layers.TFSMLayer加载SavedModel：
from tensorflow.keras.layers.experimental import TFSMLayer
# 使用TFSMLayer加载SavedModel
model_layer = TFSMLayer('./models/Conv_LSTM_MLP_Net/models_weight_end', call_endpoint='serving_default')
# 将其封装为模型
model = tf.keras.Sequential([model_layer])
方法三：降级Keras版本
如果项目允许，可以降级到Keras 2.x版本，该版本支持直接加载TensorFlow SavedModel格式：
pip install keras==2.12.0
4. 注意事项
- 如果选择方法一，请确保有足够的磁盘空间进行模型转换。
- 如果选择方法二，需确认
call_endpoint名称是否正确（通常为serving_default）。 - 如果选择方法三，需注意降级可能带来的兼容性问题。
注意：本文归作者所有，未经作者允许，不得转载
