如何加载保存的 TensorFlow 模型并对其进行评估

Question

这就是我保存模型的方式。

# First created serving_input func
serving_input_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(tf.feature_column.make_parse_example_spec(my_feature_columns))

# Save Estimator as a tf model
classifier.export_saved_model("location", serving_input_fn)

这产生了一个文件夹，其中包含“saved_model.pb”文件和一个文件夹“variable”

问题是我尝试加载和运行模型

imported_model = tf.saved_model.load("/folderLocation")

imported_model_res = imported_model.evaluate(input_fn=lambda: input_fn(x_test, y_test, training=False))

但我收到一个错误提示

AttributeError: 'AutoTrackable' 对象没有属性 'evaluate'

非常感谢任何帮助。谢谢

Answer 1

您首先需要将模型转换为 keras。

尝试以下方法：

loaded = tf.saved_model.load(path)

class LayerFromSavedModel(tf.keras.layers.Layer):
    def __init__(self):
        super(LayerFromSavedModel, self).__init__()
        self.vars = loaded.variables
    def call(self, inputs):
        return loaded.signatures['serving_default'](inputs)

input = tf.keras.Input(...)
model = tf.keras.Model(input, LayerFromSavedModel()(input))
model.save('saved_model')