TensorFlow2.x预训练模型加载教程

本文详解了在 TensorFlow 2.x 中高效、可靠加载官方预训练模型（如 ResNet50、VGG、EfficientNet）的正确姿势：推荐直接使用 `tf.keras.applications` 模块自动下载并构建模型，强调必须严格匹配对应模型的 `preprocess_input` 函数进行图像预处理、不可手动归一化或混用不同模型的预处理逻辑，同时澄清了为何不能用 `load_model` 加载官方应用模型、如何正确保存与复用迁移学习模型，并点明了 include_top、input_shape、weights 参数的关键用法及常见陷阱（如数据格式、BN 层训练模式、通道均值差异等），帮你避开绝大多数“模型加载了却预测不准”的坑。

TensorFlow 2.x 中直接用 tf.keras.applications 加载预训练模型是最稳、最省事的方式，不需要手动下载权重文件或处理兼容性问题。

怎么用 tf.keras.applications 加载常见预训练模型

TensorFlow 2.x 内置了 ResNet、VGG、EfficientNet 等十几种模型，全部封装在 tf.keras.applications 下，调用时自动从官方 CDN 下载权重（首次运行会慢一点）。

• 默认加载带顶层（即含全连接分类头）的模型：model = tf.keras.applications.ResNet50(weights='imagenet')
• 去掉顶层用于迁移学习：model = tf.keras.applications.ResNet50(weights='imagenet', include_top=False)
• 指定输入尺寸（必须是正整数且 ≥ 32）：input_shape=(224, 224, 3)，不传则用默认值（如 ResNet50 默认是 (224, 224, 3)）
• 注意 weights='imagenet' 是唯一支持的预训练权重选项；None 表示随机初始化，'path/to/file.h5' 不被官方接口支持（需用 load_model 或 load_weights 手动加载）

为什么不能直接用 tf.keras.models.load_model 加载官方预训练模型

tf.keras.models.load_model 适用于你本地保存的完整模型（含结构 + 权重 + 优化器状态），但 tf.keras.applications 返回的是“未编译”模型，且权重是按层名映射加载的——它不走 HDF5 或 SavedModel 的标准序列化流程。

• 如果你强行把 ResNet50(...) 保存成 model.save('resnet.h5')，再用 load_model 加载，大概率报错 ValueError: Unknown layer: Rescaling 或类似提示（尤其 TF 2.12+ 后，预处理层被显式加入模型图）
• 想保存后复用？推荐用 tf.keras.models.save_model(model, 'resnet_saved', save_format='tf')（SavedModel 格式），然后用 tf.keras.models.load_model('resnet_saved') 加载才可靠
• 如果只是迁移微调，通常不需要保存整个模型——冻结部分层后，只保存你新增的 head 层权重更轻量

常见错误：加载后推理结果和预期不符

这不是模型加载错了，大概率是预处理没对齐。TF 2.x 的 applications 模型内部已集成预处理逻辑（比如 ResNet50 用 tf.keras.applications.resnet.preprocess_input），但很多人误用 OpenCV/PIL 直接归一化到 [0,1] 或 [-1,1]。

• 务必使用对应模型的预处理函数：x = tf.keras.applications.resnet.preprocess_input(x)（x 是 uint8 类型的 [0,255] 图像张量）
• 不要自己写 x = (x / 255.0) * 2.0 - 1.0 —— ResNet 和 EfficientNet 的归一化参数不同，preprocess_input 会按通道减去 ImageNet 均值 [123.68, 116.779, 103.939]
• 输入数据格式必须是 NHWC（batch, height, width, channels），且 dtype 是 float32；传入 int32 或 uint8 会静默失败，输出全是 NaN
• 验证方法：用一张猫图，加载后跑 model.predict()，取 top-1 类别，看是否返回 'tabby' 或类似 ID；否则立刻检查预处理链路

真正容易被忽略的点是：不同模型的 preprocess_input 函数不能混用，ResNet 的不能喂给 VGG，哪怕尺寸一样；另外，TF 2.16 开始，部分 models 默认启用 training=False 的 batch norm 行为，如果做 finetune，记得在 model.trainable = True 后显式调用 model(x, training=True)，否则 BN 层不更新统计量。

今天关于《TensorFlow2.x预训练模型加载教程》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！