Tensorflow 2.3.0->；2.2.0可比性：值错误：未知层：功能

我遇到了一个类似于这里描述的问题：

它抛出：

ValueError:Unknown layer:Functional

我很确定这是因为h5文件保存在TF2.3.0中，我正在尝试将其加载到2.2.0中。我不希望直接使用TF2.3.0进行转换，我希望找到一种手动修复h5py文件本身的方法，或者将正确的自定义对象传递给模型加载器。我注意到，它似乎只是一个额外的键，无论配置文件存储在哪里，例如

问题是，我不知道如何手动删除h5文件中的

功能层。具体而言，我尝试过：

import h5py
f = h5py.File("model.h5",'r')
print(f['model_weights'].keys())

其中：

 <KeysViewHDF5 ['concatenate_1', 'conv1d_3', 'conv1d_4', 'conv1d_5', 'dense_1', 'dropout_4', 'dropout_5', 'dropout_6', 'dropout_7', 'embedding_1', 'global_average_pooling1d_1', 'global_max_pooling1d_1', 'input_2']>



我在任何地方都看不到
功能层。该文件中存储的模型的配置具体在哪里？例如，我正在寻找类似
{“class_name”：“Functional”，“config”：{“name”：“model”，“layers”：…}

问题：是否有一种方法可以使用
h5py
手动编辑h5文件，以去除功能层

或者，我可以将特定的
custom_obects={'function'：？}
传递给
load_model
函数吗？
我尝试了
{'Functional'：tf.keras.models.Model}
，但它返回
（'Keyword-argument not-understanding:'，'groups'）
，因为我认为它试图将模型加载到权重中？
只要更改即可

keras.models import load_model
tensorflow.keras.models import load_model

然后

我也有类似的问题。在不更改Tensorflow版本和重新培训模型的情况下，我可以解决此问题的唯一方法是使用Tensorflow 2.2.0中的Keras API再次构建模型结构，然后调用：

model.load\u weights（）

其中原始h5文件是使用TensorFlow 2.3.0创建的。如果您已经有了构建模型结构的代码，那么这种方法应该相对容易，因为您所要做的就是用上面的行替换
load\u model（）
。
注释没有回答问题；错误来自tensorflow的不同版本，keras是通过tensorflow.keras导入的，而不是tensorflow.keras vs kerasI面临相同的问题，显然除了使用相同的tensorflow版本，没有其他解决方案。如果您能找到其他解决方案，我们将不胜感激。
keras.models import load_model
tensorflow.keras.models import load_model

load_model('model.h5', compile = False)