Python 2.7 在tf 2.0中不使用已弃用的tf.placeholder方法的情况下提供函数

我在tf 1中构建了一个功能正常的tf.estimator管道，但现在我决定迁移到tf 2.0，在管道的最后，当我想以.pb格式保存模型时，我遇到了一些问题

我正在使用高级估计器导出保存的模型方法：

我有两个数字特征，“年龄”和“花费的时间”

它们是使用tf.feature_列定义的，如下所示：

age = tf.feature_column.numeric_column('age')
time_spent = tf.feature_column.numeric_column('time_spent')

features = [age,time_spent]

在模型经过训练后，我使用方法feature\u column\u make\u parse\u example\u spec（）将特征列表转换为dict，并将其提供给另一个方法build\u parsing\u service\u input\u receiver\u fn（），具体如tensorflow的网页上的estimators下所示

columns_dict = tf.feature_column_make_parse_example_spec(features)
input_receiver_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(columns_dict)
model.export_saved_model(export_dir,input_receiver_fn)

然后，我使用CLI工具检查输出

saved_model_cli show --dir mydir --all: 

结果如下：

不知何故，Tensorflow将我的两个有用的数字特性压缩成一个无用的字符串输入垃圾，称为“输入”

在TF1中，可以通过使用一些TF.placeholder方法创建一个自定义的input\u receiver\u fn（）函数来避免这一问题，这样我就可以得到两个不同数字特征的正确输出。但是tf2中不存在tf.placeholder，所以现在它非常无用

很抱歉，Tensorflow有可怕的文档记录，我真的在使用高级API，它应该是直接的，但不是

我非常感谢您的帮助：）

Tensorflow将我的两个有用的数字特征压缩成一个无用的 字符串输入垃圾称为“输入”

不完全正确，因为导出的模型需要序列化的tf.Example proto。因此，您可以将您的

年龄

和花费的

时间

扭曲为两个功能，如下所示：

features {
  feature {
    key: "age"
    value {
      float32_list {
        value: 10.2
      }
    }
  }
  feature {
    key: "time_spent"
    value {
      float32_list {
        value: 40.3
      }
    }
  }
}

然后可以使用序列化字符串调用回归函数

Tensorflow将我的两个有用的数字特征压缩成一个无用的 字符串输入垃圾称为“输入”

不完全正确，因为导出的模型需要序列化的tf.Example proto。因此，您可以将您的

年龄

和花费的

时间

扭曲为两个功能，如下所示：

features {
  feature {
    key: "age"
    value {
      float32_list {
        value: 10.2
      }
    }
  }
  feature {
    key: "time_spent"
    value {
      float32_list {
        value: 40.3
      }
    }
  }
}

然后可以使用序列化字符串调用回归函数