在Tensorflow 1.3中导出和加载tf.contrib.estimator，以便在python中进行预测，而不使用Tensorflow服务

我正在使用tf.contrib.learn.dnnlinearcombinedregrator和宽深特征列。我使用输入函数将数据发送到此回归器进行训练。我有实特征和分类特征，因此我的深层特征列由带有嵌入的稀疏列和实值列组成。而我的线性列是实值列。经过训练后，我可以使用estimator.predict_scores（）方法天真地访问经过训练的模型进行预测。然而，据我所知，这会从检查点文件中重新创建tensorflow图，这对于我预期的应用程序来说非常缓慢。然后，我尝试使用estimator.export_savedmodel（），以查看是否可以在应用程序中进行实际预测之前保存并加载图形。但是我被它卡住了。我面临以下问题：

要导出，我执行了以下操作：

feature_spec = tf.feature_column.make_parse_example_spec(deep_feature_cols)

export_input_fn = tf.contrib.learn.utils.build_parsing_serving_input_fn(feature_spec) 

servable_model_path = regressor.export_savedmodel(export_dir_base = servable_model_dir, serving_input_fn = export_input_fn, as_text= True)

（请注意，由于varlenfeature列--嵌入列，原始和默认解析函数对我不起作用）。由于我只使用深列构造feature_spec，我不明白保存的模型如何知道我对线性列使用的是什么。我不知道如何组合这两种类型的列来保存/导出

虽然我能够成功导出经过训练的回归模型，但我不知道如何将其用于预测。我已经看过使用Tensorflow服务（例如）实现这一点的教程。然而，我只想要一些简单的东西，我可以在python中加载和使用。我正在Windows中开发一个交互式GUI应用程序，因此不想使用bazel为Tensorflow服务构建一个保存的模型。我尝试了以下方法，但无法使用我的输入\u fn

from tensorflow.contrib import predictor
predict_fn = predictor.from_saved_model(servable_model_path)
predictions = predict_fn(get_input_fn(X, y, LABEL, num_epochs=1, shuffle=False))

其中get_input_fn是我的自定义输入。运行此代码时，出现以下错误：

AttributeError      Traceback (most recent call last)
<ipython-input-15-128f4d1ba155> in <module>()
----> 1 predictions = predict_fn(get_input_fn(X, y, LABEL, num_epochs=1, 
shuffle=False))

~\AppData\Local\Continuum\Anaconda3\envs\tensorflow\lib\site-
packages\tensorflow\contrib\predictor\predictor.py in __call__(self, input_dict)
 63     """
 64     # TODO(jamieas): make validation optional?
---> 65     input_keys = set(input_dict.keys())
 66     expected_keys = set(self.feed_tensors.keys())
 67     unexpected_keys = input_keys - expected_keys

AttributeError: 'function' object has no attribute 'keys'

AttributeError回溯（最近一次调用）
在（）
---->1预测=预测\u fn（获取输入\u fn（X，y，LABEL，num\u epochs=1，
洗牌=错误）
~\AppData\Local\Continuum\Anaconda3\envs\tensorflow\lib\site-
packages\tensorflow\contrib\predictor\predictor.py在调用中（self，input\u dict）
63     """
64#TODO（jamieas）：是否将验证设置为可选？
--->65输入键=设置（输入键（））
66预期的\u keys=set（self.feed\u tensors.keys（））
67意外\u键=输入\u键-预期\u键
AttributeError:“函数”对象没有属性“键”

---

欢迎任何输入。我在windows 10上，在Anaconda虚拟环境中使用Tensorflow 1.3和Python 3.5。

再翻一翻，predict\u fn需要一个字典，其键设置为与您的模型所需的功能变量完全相同的名称。在我的CNN模型中，输入是“输入”，如下所示：

def _cnn_model_fn(features, labels, mode):
  # Input Layer
  print("features shape", features['inputs'])

这是我在predict_fn中传递的内容，其中myimage是一个扁平的np数组

predictions = predict_fn({"inputs": [myimage]})

---

我遇到了同样的错误-你有进步吗？如果有任何建议，我将不胜感激。