Python 什么是'；输入'；和'；输出'；tf.saved_mode.simple_save（）的参数？

我正在将一个经过训练的模型转移到生产推理。要做到这一点，我需要保存模型，以便它（和/或检查点）可以在运行时从生产运行更改为生产运行。移动模型的输入和输出形状可以在不同的运行中更改

所以我在看：

如果我运行推理生成代码，如：

session = Session()
inputs = tf.placeholder(dtype=tf.float32, shape=(None, height, width, in_channel_size), name='input_img')
model = Some_Model(inputs, num_classes=no_of_defects, is_training=False)
logits, _ = model.build_model()
predictor = tf.nn.softmax(self.logits, name='logits_to_softmax')
feed_dict = {inputs: inputs}
prediction_probabilities = session.run(self.predictor, feed_dict=feed_dict)

那么，我如何确定输入的内容和输出的内容：

simple_save(session, export_dir, inputs=???, outputs=???)

即

tf.saved\u mode.simple\u save（）

的“输入”和“输出”参数是什么

---

如果相关的话，我正在PyCharm中运行调试会话。

在我看来，它应该是：

 simple_save(session, export_dir, inputs=feed_dict, outputs={"predictor" : predictor}))

---

类型错误：不允许将

tf.Tensor

用作Python

bool

。使用

如果t不是None:

而不是

如果t:

来测试是否定义了张量，并使用TensorFlow操作（如tf.cond）来执行以张量值为条件的子图。也许可以对你正在做什么来帮助操作给出一些评论？@sfjac我是OP.Oops。但提供一些散文，而不仅仅是一行代码，让答案对其他人更有帮助，仍然是件好事。

 simple_save(session, export_dir, inputs=feed_dict, outputs={"predictor" : predictor}))

simple_save(session, export_dir, inputs={"inputs" : inputs}, outputs={"predictor" : predictor})