在 tensorflow 2.0 中保存和加载模型

Question

我使用此代码从 tensorflow 2.x 中的预制估算器中保存了一个模型

import os
serving_input_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(
tf.feature_column.make_parse_example_spec(my_feature_columns))
estimator_base_path = os.path.join( 'from_estimator')
estimator_path = classifier.export_saved_model(estimator_base_path, serving_input_fn)

此代码创建一个包含 .pb 文件的文件夹 我以后需要重用这个模型，我尝试加载这个函数

saved_model_obj = tf.compat.v2.saved_model.load(export_dir="/model_dir/")

但是当我尝试对使用加载的模型进行预测时，它会引发此错误

predictions = saved_model_obj.predict(
input_fn=lambda: input_fn(predict_x))


---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-23-a9902ff8210c> in <module>
----> 1 predictions = saved_model_obj.predict(
      2     input_fn=lambda: input_fn(predict_x))

AttributeError: 'AutoTrackable' object has no attribute 'predict'

我如何加载 .pb 文件并进行预测，就像我从未保存和加载它一样？

Answer 1

当我保存模型以备后用时，我通常会这样做：

假设你的模型是model：

model.save('my_model.h5') 

这会将模型保存为 hdf5 格式。

然后当我必须再次使用它来预测时，我可以：

new_model = tf.keras.models.load_model('my_model.h5')

你可以new_model.predict()