Tensorflow 使用带有SavedModel的GradientTape对输入进行梯度下降

我试图对使用

SavedModel

API加载的模型进行对抗性攻击。我想对我的输入做一个梯度下降，关于给定目标的模型的损失。代码有点长，但它是说明问题的最小值

来自未来导入绝对导入、除法、打印函数、unicode文本
从tensorflow进口keras
从tensorflow.keras导入图层、模型
导入tensorflow作为tf
从sklearn.dataset导入make_分类
从sklearn.model\u选择导入列车\u测试\u拆分
#创建数据集
十、 y=进行分类（n_样本=10000，n_信息=10）
十、 X_测试，y，y_测试=列车试验分割（X，y）
#训练模型
model=models.Sequential（）
model.add（layers.Dense（10，activation='relu'））
model.add（layers.Dense（2，activation='softmax'，name=“output”））
model.compile（优化器='adam'，
损失=“稀疏”\u分类”\u交叉熵'，
指标=[‘准确度’]）
模型拟合（X，y，
纪元=10，
批次大小=32，
详细信息=0）
打印（f“最终精度为{model.evaluate（X_检验，y_检验，verbose=0）[1]}”）
#保存并加载它
tf.saved_model.save（model，“/content/demo”）
loaded_model=tf.saved_model.load（“/content/demo”）
推理功能=加载的模型签名[“服务默认值”]
#树立对抗性榜样
x=tf.random.normal（[1,20]）
x=tf.变量（x）
target=tf.convert_to_tensor（[0,1]，dtype=tf.float32）
cce=tf.keras.loss.CategoricalCrossentropy（）
将tf.GradientTape（）作为t：
t、 手表（x）
y=推理函数（x）[“输出”]
损失=cce（目标，y）
dl_dx=t.梯度（损耗，x）
x、 分配子项（学习率*dl\U dx）
打印（x.numpy（））

我得到以下错误：

final accuracy is 0.8899999856948853
INFO:tensorflow:Assets written to: /content/demo/assets
---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-31-1b61c316b9dc> in <module>()
     40 with tf.GradientTape() as t:
     41     t.watch(x)
---> 42     y = inference_func(x)["output"]
     43     loss = cce(target, y)
     44 dl_dx = t.gradient(loss, x)

6 frames
/usr/local/lib/python3.6/dist-packages/six.py in raise_from(value, from_value)

InvalidArgumentError: cannot compute __forward_signature_wrapper_147414 as input #0(zero-based) was expected to be a float tensor but is a resource tensor [Op:__forward_signature_wrapper_147414]

最终精度为0.8899989856948853
信息：tensorflow：资产写入：/content/demo/Assets
---------------------------------------------------------------------------
InvalidArgumentError回溯（最后一次最近调用）
在（）
40，tf.GradientTape（）为t：
41吨手表（x）
--->42 y=推理函数（x）[“输出”]
43损失=cce（目标，y）
44 dl_dx=t.梯度（损耗，x）
6帧
/raise_from（value，from_value）中的usr/local/lib/python3.6/dist-packages/six.py
InvalidArgumentError:无法将uu-forward_-signature_-wrapper_147414计算为输入#0（基于零）应为浮点张量，但为资源张量[Op:u-forward_-signature_-wrapper_147414]

---

我对低水平的tensorflow很陌生，我还不太了解它是如何工作的。我相信这个问题与我的推理函数不是真正的

@tf.function

有关，因为它的类型是

tensorflow.python.saved\u model.load.\u WrapperFunction

。但是我怎样才能检索到真正的函数呢？

我找到了！所以我要找的函数是在

加载的模型中。我不知道为什么tensorflow博士没有解释清楚