Python 如何加载已保存的Tensorflow模型并对其进行评估

这就是我保存模型的方式

#第一个创建的服务输入函数
服务\u输入\u fn=tf.estimator.export.build\u解析\u服务\u输入\u接收器\u fn（tf.feature\u column.make\u解析\u示例\u spec（my\u feature\u columns））
#将估计器另存为tf模型
分类器。导出保存的模型（“位置”，服务于输入）

这将生成一个文件夹，其中包含“saved_model.pb”文件和一个文件夹“variable”

问题是我试图加载并运行模型

导入的\u model=tf.saved\u model.load（“/folderLocation”）
导入的\u模型\u res=导入的\u模型。评估（输入\u fn=lambda:input\u fn（x\u测试，y\u测试，训练=假））

但我得到一个错误，它说

AttributeError:“自动跟踪”对象没有属性“评估”

---

非常感谢您的帮助。谢谢

您首先需要将模型转换为keras

请尝试以下操作：

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')

---

您好，谢谢您的回复，您能澄清一下tf.eras.Input（..）中的内容吗？谢谢我发布的代码取自以下内容。考虑阅读它来理解这个代码所做的事情。