fix: quantization_config 역직렬화 오류를 config.json 패치로 완전 해결 (로컬 통합 테스트 통과)

app.py

@@ -13,7 +13,9 @@ if not hasattr(huggingface_hub, "HfFolder"):
 
 import gradio as gr
 import os
-import time
+import re
+import zipfile
+import tempfile
 import numpy as np
 import pandas as pd
 import tensorflow as tf
@@ -28,6 +30,29 @@ os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0'
 _models = {"predictor": None, "consultant": None}
 REPO_ID = "dev-yuje/gardio_test"
 
+def load_keras_model_compat(model_path):
+    """quantization_config 역직렬화 오류를 config.json 패치로 우회"""
+    with tempfile.TemporaryDirectory() as tmpdir:
+        with zipfile.ZipFile(model_path, 'r') as z:
+            z.extractall(tmpdir)
+        config_path = os.path.join(tmpdir, 'config.json')
+        with open(config_path, 'r', encoding='utf-8') as f:
+            config_str = f.read()
+        config_str = re.sub(r',\s*"quantization_config":\s*null', '', config_str)
+        config_str = re.sub(r'"quantization_config":\s*null,?\s*', '', config_str)
+        with open(config_path, 'w', encoding='utf-8') as f:
+            f.write(config_str)
+        fixed_path = model_path + '.tmp_fixed.keras'
+        with zipfile.ZipFile(fixed_path, 'w', zipfile.ZIP_DEFLATED) as z:
+            for root, dirs, files in os.walk(tmpdir):
+                for file in files:
+                    fp = os.path.join(root, file)
+                    arcname = os.path.relpath(fp, tmpdir)
+                    z.write(fp, arcname)
+        model = tf.keras.models.load_model(fixed_path, compile=False)
+        os.remove(fixed_path)
+        return model
+
 def load_all_models():
     if _models["predictor"] is None:
         try:
@@ -71,27 +96,11 @@ def load_all_models():
                                 self.load_error = f"파일이 너무 작음({fsize}B). LFS 포인터일 가능성 있음."
                                 return
 
-                            # [핵심 수정] quantization_config 역직렬화 오류 우회
-                            # Keras 버전 차이로 Dense 레이어에 quantization_config 미지원 시 custom_objects로 패치
-                            try:
-                                self.model = tf.keras.models.load_model(target_path, compile=False)
-                                print(f"✅ 모델 로드 성공 1차 시도 (파일 크기: {fsize:,}B)")
-                            except Exception as e1:
-                                print(f"⚠️ 1차 로드 실패, 2차 시도: {str(e1)[:200]}")
-                                # 2차: safe_mode=False로 재시도 (Keras 3.x 옵션)
-                                try:
-                                    self.model = tf.keras.models.load_model(target_path, compile=False, safe_mode=False)
-                                    print(f"✅ 모델 로드 성공 2차 시도 (safe_mode=False)")
-                                except Exception as e2:
-                                    print(f"⚠️ 2차 로드 실패, 3차 시도: {str(e2)[:200]}")
-                                    # 3차: keras.saving으로 직접 로드
-                                    import keras
-                                    self.model = keras.saving.load_model(target_path, compile=False)
-                                    print(f"✅ 모델 로드 성공 3차 시도 (keras.saving)")
-
+                            self.model = load_keras_model_compat(target_path)
                             self.load_error = "성공"
+                            print(f"✅ 모델 로드 성공 (파일 크기: {fsize:,}B)")
                         except Exception as model_e:
-                            self.load_error = f"모델 로드 실패: {str(model_e)}\n{traceback.format_exc()}"
+                            self.load_error = f"모델 로드 실패: {str(model_e)[:300]}"
                     except Exception as e:
                         self.load_error = f"리소스 로드 통합 에러: {e}"