Python TensorFlow 2:是否正在保存已保存的模型？

我正在尝试加载以格式保存的模型，然后在其上应用一些计算并重新保存整个管道。最低限度的代码如下（从）：

#加载模型。在此之后，“delg_模型”将是
#`tensorflow.python.training.tracking.tracking.AutoTrackable`
delg_model=tf.saved_model.load（'path/to/saved/model/dir'））
#我们不需要整个模型，所以我们删减它。在那之后
#`global_feature_extraction_fn`将属于以下类型
#`tensorflow.python.eager.wrap_function.WrappedFunction`
delg_输入_张量_名称=['input_图像：0'，'input_比例：0']
全局\u特征\u提取\u fn=delg\u model.prune(
delg_输入_张量_名称，['global_描述符：0']）

问题：现在，我想以相同的SavedModel格式保存

全局特征提取fn

，并使用其他TF操作对输出进行后期处理。正确的方法是什么

---

我试过的 我试图遵循TensorFlow文档并定义一个

tf.模块

：

类增量模块（tf.Module）：
定义初始化（自）：
super（）。\uuuu init\uuuuu（）
@tf.函数（输入\签名=[
tf.TensorSpec（shape=[None，None，3]，name='input\u image'）
])
def调用（自、输入张量）：
#模型输出上的自定义函数
嵌入=tf.nn.l2_规范化(
全局特征提取(
输入张量，#输入图像
tf.将_转换为_张量（[0.7,1.0,1.4]）#输入_标度
)[0],
轴=1，名称='l2\u规格化\u输出'）
返回输出张量={
“全局描述符”：嵌入
}
delg_模块=DelgModule（）

然后我在测试图像上运行它来构建

tf.function

，并确保它正常工作（生成正确的输出）。但当我试图将其保存为以下内容时：

tf.saved\u model.save(
delg_模块，导出目录='。/delg_重新保存'，
签名={
'SERVICED_default'：delg_module.call
})

由此产生的模型是不正确的。原来的一个重达90MB，而重新保存的

delg_中的一个重达800KB。我还尝试在
DelgModule.call
函数内部执行
tf.saved\u model.load
，这样图形创建和变量加载就完全在
tf.function
内部完成，但结果保持不变