Tensorflow 无法加载SavedModel

我正在使用tf.keras训练一些模型，并希望保存训练过的模型。推荐使用两种方法，tf

SavedModel

和keras

.h5

文件。然而，

SavedModel

会让事情变得非常混乱

以下是一些简短的脚本来重现该问题：

将numpy导入为np
导入tensorflow作为tf
def my_network（）：
主干网\模型=tf.keras.applications.InceptionResNetV2(
包括\u top=False，输入\u shape=（2242243），weights=“imagenet”，pooling=“avg”
)
输入=tf.keras.layers.Input（shape=（2242243），name=“images”）
主干网功能=主干网模型（输入）
预埋=tf.keras.layers.Dense(
512,
激活=无，
name=“预埋”，
kernel_regularizer=tf.keras.regularizers.l2（），
)（主要功能）
嵌入=tf.keras.layers.Lambda(
lambda x:tf.math.l2_normalize（x，1，1e-10），name=“嵌入”
)（预埋件）
probs=tf.keras.layers.Dense(
1000,
activation=“softmax”，
name=“预测”，
kernel_regularizer=tf.keras.regularizers.l2（），
bias_regularizer=tf.keras.regularizers.l2（），
)（预埋件）
返回tf.keras.Model（输入，[embeddings，probs]，name=“my_network”）
img_arr=np.random.rand（1224224,3）
resnet\u model=my\u network（）
emb_1，_=resnet_model.predict（img_arr）
resnet\u model.save（“./resnet\u model.h5”）
新模型=tf.keras.models.load模型（'./resnet_model.h5'）
emb_2，_=新的_模型。预测（img_arr）
np.测试.断言数组几乎相等（emb_1，emb_2）

上述脚本将正常工作，不会出现错误。但是，当我尝试以

SavedModel

格式保存时（通过从模型路径中删除

.h5

），它失败了。模型已成功保存，但在加载时引发错误，错误消息为：

NotImplementedError: When subclassing the `Model` class, you should implement a `call` method.

---

我很困惑，因为我没有使用任何子类模型。如脚本所示，我的网络仅使用功能API构建。

您的tf版本是什么？我使用的是从最新的pip包安装的TF2.1。您的tf版本是什么？我使用的是从最新的pip包安装的TF2.1