TensorFlow v2：替换 tf.contrib.predictor.from_saved_model

Question

到目前为止，我正在使用tf.contrib.predictor.from_saved_model加载SavedModel（tf.estimator模型类）。然而，不幸的是这个函数在 TensorFlow v2 中被删除了。到目前为止，在 TensorFlow v1 中，我的编码如下：

 predict_fn = predictor.from_saved_model(model_dir + '/' + model, signature_def_key='predict')

 prediction_feed_dict = dict()

 for key in predict_fn._feed_tensors.keys():

     #forec_data is a DataFrame holding the data to be fed in 
     for index in forec_data.index:
         prediction_feed_dict[key] = [ [ forec_data.loc[index][key] ] ]

 prediction_complete = predict_fn(prediction_feed_dict)

使用tf.saved_model.load，我在 TensorFlow v2 中尝试了以下操作，但没有成功：

 model = tf.saved_model.load(model_dir + '/' + latest_model)
 model_fn = model.signatures['predict']

 prediction_feed_dict = dict()

 for key in model_fn._feed_tensors.keys(): #<-- no replacement for _feed_tensors.keys() found

     #forec_data is a DataFrame holding the data to be fed in 
     for index in forec_data.index:
         prediction_feed_dict[key] = [ [ forec_data.loc[index][key] ] ]

 prediction_complete = model_fn(prediction_feed_dict) #<-- no idea if this is anyhow close to correct

所以我的问题是（都在 TensorFlow v2 的背景下）：

1. 我该如何更换_feed_tensors.keys()？
2. tf.estimator如何使用加载的模型以直接的方式进行推理tf.saved_model.load

非常感谢，非常感谢任何帮助。

注意：此问题与此处发布的问题并不重复，因为此处提供的答案全部依赖于 TensorFlow v1 中已在 TensorFlow v2 中删除的功能。

编辑：这里的问题帖子似乎问了基本相同的事情，但直到现在（2020-01-22）也没有得到解答。

Answer 1

希望您已使用类似于下面提到的代码保存了估计器模型：

input_column = tf.feature_column.numeric_column("x")
estimator = tf.estimator.LinearClassifier(feature_columns=[input_column])

def input_fn():
  return tf.data.Dataset.from_tensor_slices(
    ({"x": [1., 2., 3., 4.]}, [1, 1, 0, 0])).repeat(200).shuffle(64).batch(16)
estimator.train(input_fn)

serving_input_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(
  tf.feature_column.make_parse_example_spec([input_column]))
export_path = estimator.export_saved_model(
  "/tmp/from_estimator/", serving_input_fn)

您可以使用下面提到的代码加载模型：

imported = tf.saved_model.load(export_path)

要Predict通过传递输入特征来使用模型，您可以使用以下代码：

def predict(x):
  example = tf.train.Example()
  example.features.feature["x"].float_list.value.extend([x])
  return imported.signatures["predict"](examples=tf.constant([example.SerializeToString()]))

print(predict(1.5))
print(predict(3.5))

有关更多详细信息，请参阅此链接，其中解释了使用 TF Estimator 保存的模型。