因此，我尝试了上面提到过可教机器的链接，因为
事实证明您导出的模型
tensorflow.keras来自
kerasAPI
，而不是直接来自API。这两个是不同的。因此，在加载时，它可能使用了可能与keras API不兼容的 tf.ragged 张量。
问题的解决方案：
不要使用Tensorflow的keras高级API保存模型时直接导入keras。将所有导入
tensorflow.keras
更改为Change：
from keras.preprocessing.image import img_to_arrayfrom keras.models import load_model
对此：
from tensorflow.keras.preprocessing.image import img_to_arrayfrom tensorflow.keras.models import load_model
它将解决您的问题。
编辑：
您所有的进口商品，都应该来自
Keras或
tensorflow.keras。尽管是相同的API，但造成这些问题的地方却有所不同。也为
tensorflow后端
tf.keras是首选，因为Keras
2.3.0是最后一个主要版本将支持比tensorflow其他后端。
自TensorFlow 2.0起，此版本使该API与tf.keras
API同步。但是请注意，它不支持大多数TensorFlow
2.0功能，尤其是急于执行的功能。如果需要这些功能，请使用tf.keras。这也是多后端Keras的最后一个主要版本。展望未来，我们建议用户考虑在TensorFlow
2.0中将其Keras代码切换为tf.keras。
