Tensorflow tf.estimator.BoostedTrees回归器保存模型还原问题

我在使用tf.SavedModel恢复tf.estimator.BoostedTrees回归器模型时遇到问题。使用tf.contrib.predictor.from_saved_model（）从保存的模型目录重新加载模型时，我收到以下错误：

KeyError:“名称'boosted_trees/quantileaccumerator/'指的是 操作不在图形中。“

此错误仅在使用数字特征（例如tf.feature_列.numeric_列）时发生。仅使用分类列时，重新加载模型效果良好

当我不保存/恢复时，BoostedTreesRegressionor会对所有功能进行成功评估和预测

以下估计器保存/还原方案已成功运行：
-具有数字和分类功能的DNN累加器
-具有数字和分类功能的线性累加器
-仅具有分类特征的boostedtree回归器

fc = tf.feature_column
feature_columns = [
fc.numeric_column('f1', dtype=tf.int64),
fc.numeric_column('f2', dtype=tf.int64),
fc.indicator_column(
               fc.categorical_column_with_vocabulary_list('f3',f3)),
fc.indicator_column(
               fc.categorical_column_with_vocabulary_list('f4',f4))
]

feature_spec = fc.make_parse_example_spec(feature_columns)

params = {
    'feature_columns' : feature_columns,
    'n_batches_per_layer' : n_batches,
    'n_trees': 200,
    'max_depth': 6,
    'learning_rate': 0.01
}

regressor = tf.estimator.BoostedTreesRegressor(**params)
regressor.train(train_input_fn, max_steps=400)

serving_input_receiver_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)

regressor.export_saved_model('saved_model', serving_input_receiver_fn)

.
.
.
# latest is path to saved model
predict_fn = predictor.from_saved_model(latest[:-4])

---------------------------------------------------------------------------
KeyError回溯（最近一次呼叫最后一次）
在里面
---->1 predict\u fn=预测器。从保存的\u模型（最新[：-4]）
/usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/contrib/predictor/predictor\u factories.py来自保存的模型（导出目录、签名密钥、签名定义、输入名称、输出名称、标记、图形、配置）
151标签=标签，
152图形=图形，
-->153配置=配置）
/usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/contrib/predictor/saved_model_predictor.py in_uuuuinit_uuuuuuuuuu（self，export_dir，signature_def_key，signature_def，input_name，output_name，tags，graph，config）
151带有self.\u graph.as\u default（）：
152 self.\u session=session.session（config=config）
-->153 loader.load（self.\u会话，tags.split（'，'），export\u dir）
154
155如果输入_名称为无：
/新函数中的usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/python/util/deprecation.py（*args，**kwargs）
322“在未来版本中”如果日期不是其他日期（“在%s“%date”之后），
323指令）
-->324返回函数（*args，**kwargs）
325返回tf_decorator.make_decorator(
326 func，新功能，“已弃用”，
/加载中的usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/python/saved_model/loader_impl.py（sess、标记、导出目录、导入范围、**saver_kwargs）
267   """
268加载程序=SavedModelLoader（导出目录）
-->269返回加载器。加载（sess、标记、导入范围、**saver\u kwargs）
270
271
/加载中的usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/python/saved_model/loader_impl.py（self、sess、tags、import_scope、**saver_kwargs）
418带有sess.graph.as_default（）：
419 saver，=self.load_图形（sess.graph、标记、导入范围、，
-->420**
421自恢复变量（sess、保存程序、导入范围）
422自运行初始化操作（sess、标记、导入范围）
/加载图中的usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/python/saved\u model/loader\u impl.py（self、graph、tags、import\u scope、**saver\u kwargs）
348与graph.as_default（）一样：
349返回tf_saver._导入_meta_graph_和_return_元素（#pylint:disable=protected access
-->350元图定义，导入范围=导入范围，**saver\u-kwargs）
351
352 def restore_变量（self、sess、saver、import_scope=None）：
/usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/python/training/saver.py在带有返回元素的元图中导入（元图或文件，清除设备，导入范围，返回元素，**kwargs）
1455导入范围=导入范围，
1456返回元素=返回元素，
->1457**夸尔格）
1458
1459 saver=\u从\u导入的\u元图创建\u saver\u(
/usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/python/framework/meta\u graph.py，在import\u scoped\u meta\u graph\u中包含返回元素（meta\u graph\u文件、清除设备、图形、导入范围、输入映射、未绑定输入\u col\u名称、恢复\u集合\u谓词、返回\u元素）
850表示字段中的值。值：
851 col_op=graph.as_graph_元素(
-->852操作。前置\u名称\u范围（值、范围\u到\u前置\u到\u名称））
853图形。将_添加到_集合（键、列）
854 elif种类==“int64_列表”：
/as_graph_元素中的usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/python/framework/ops.py（self、obj、allow_tensor、allow_operation）
3476
3477带自锁：
->3478返回自。\作为\图形\元素\锁定（obj，允许\张量，允许\操作）
3479
3480定义为图形元素锁定（自、obj、允许张量、允许操作）：
/usr/local/anaconda3/envs/zume/lib/python3.7/site-packages/tensorflow/python/framework/ops.py in\u as\u graph\u element\u locked（self、obj、allow\u tensor、allow\u operation）
3536如果名称不在self.\u nodes\u by\u name中：
3537 raise KeyError（“名称%s指的是不在列表中的操作”
->3538“图形”。%repr（名称））
3539按名称[名称]返回self.\u节点
3540
KeyError:“名称‘boosted_trees/quantileaccumerator/’指的是不在图中的操作。”

如果您使用的是Tensorflow版本，

1.x（1.14，1.15）

，您可以使用

tf.compat.v1.saved_model.load

或

tf.compat.v1.saved_model.loader.load

或

tf.saved\u model.loader.load

加载保存的模型

如果您使用的是

Tensorflow版本2

，下面是使用

tf.estimator.BoostedTreesClassifier

成功保存和恢复的代码：

n_batches = 1
est = tf.estimator.BoostedTreesClassifier(feature_columns,
                                          n_batches_per_layer=n_batches)

# The model will stop training once the specified number of trees is built, not
# based on the number of steps.
est.train(train_input_fn, max_steps=100)

# Eval.
result = est.evaluate(eval_input_fn)
clear_output()
print(pd.Series(result))

feature_spec = fc.make_parse_example_spec(feature_columns)

serving_input_receiver_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)

Exported_Path = est.export_saved_model('saved_model', serving_input_receiver_fn)

imported = tf.saved_model.load(Exported_Path)

对于使用Tensorflow版本的完整工作代码

n_batches = 1
est = tf.estimator.BoostedTreesClassifier(feature_columns,
                                          n_batches_per_layer=n_batches)

# The model will stop training once the specified number of trees is built, not
# based on the number of steps.
est.train(train_input_fn, max_steps=100)

# Eval.
result = est.evaluate(eval_input_fn)
clear_output()
print(pd.Series(result))

feature_spec = fc.make_parse_example_spec(feature_columns)

serving_input_receiver_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)

Exported_Path = est.export_saved_model('saved_model', serving_input_receiver_fn)

imported = tf.saved_model.load(Exported_Path)