Python 使用保存的模型进行TensorFlow推理

我是TensorFlow 2.3.1的新手，正在尝试弄清楚推理是如何完成的。加载保存的模型后，我想传递一个只有一个张量的张量，以确保模型输出我们期望的结果。例如

import tensorflow as tf

resnet18_tf = tf.saved_model.load("resnet18.tf")
x_tf = tf.ones((1,3,224,224), tf.float32)

resnet18_tf(x_tf)

但是，上面的代码会导致以下错误

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-34-33fa05a7412b> in <module>
      4 x_tf = tf.ones((1,3,224,224), tf.float32)
      5 
----> 6 resnet18_tf(x_tf)

ValueError: Could not find matching function to call loaded from the SavedModel. Got:
  Positional arguments (1 total):
    * Tensor("None_0:0", shape=(1, 3, 224, 224), dtype=float32)
  Keyword arguments: {}

Expected these arguments to match one of the following 1 option(s):

Option 1:
  Positional arguments (0 total):
    * 
  Keyword arguments: {'input': TensorSpec(shape=(1, 3, 224, 224), dtype=tf.float32, name='input')}

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
4 x_tf=tf.one（（1,3224224），tf.float32）
5.
---->6 resnet18_tf（x_tf）
ValueError:找不到要从SavedModel加载的调用的匹配函数。得到了：
位置参数（共1个）：
*张量（“None_0:0”，形状=（1,3,224,224），数据类型=float32）
关键字参数：{}
这些参数应与以下1个选项之一匹配：
备选案文1：
位置参数（共0个）：
* 
关键字参数：{'input'：TensorSpec（shape=（1,3,224,224），dtype=tf.float32，name='input'）}

我很确定这个形状是正确的，但我很难解释这个错误信息。如何进行TensorSpec输入以解决此错误？

错误消息

Expected these arguments to match one of the following 1 option(s):

Option 1:
  Positional arguments (0 total):
    * 
  Keyword arguments: {'input': TensorSpec(shape=(1, 3, 224, 224), dtype=tf.float32, name='input')}

表明函数需要关键字参数，而不需要位置参数。字典表明关键字是

input

将tensorflow导入为tf
resnet18\u tf=tf.saved\u model.load（“resnet18.tf”）
x_tf=tf.one（（1,3224224），tf.float32）
resnet18_tf（输入=x_tf）

是否可以尝试将其作为关键字参数传递

resnet18_-tf（input=x_-tf）

Wow，这就成功了。。。谢谢