我对Tensorflow估算器非常陌生。我正在尝试在训练后保存 pix2pix 模型。使用Estimators以后如何在本地计算机上导出和使用模型基本上是我的问题（就像我们对tf.keras模型所做的那样，即加载权重并进行预测）。我已经尝试了几乎所有看到的解决方案。

对于 serving_input_fn 和 tf.estimator.ModeKeys.PREDICT 案例，我大多感到困惑我写的> model_fn ：

^[[3J^[[H^[[2J

serving_input_fn stackoverflow source。

我正在使用 TFRECORD 进行训练，但希望使用 .png 图片进行预测。我的 model_fn 是：

def serving_input_receiver_fn(flaGS):

  def decode_and_resize(image_str_tensor):
     image = tf.image.decode_jpeg(image_str_tensor,channels=flaGS.NB_CHANNELS)
     image = tf.expand_dims(image,0)
     image = tf.image.resize_bilinear(image,[flaGS.IMAGE_DIM,flaGS.IMAGE_DIM],align_corners=False)
     image = tf.squeeze(image,squeeze_dims=[0])
     image = tf.cast(image,dtype=tf.uint8)
     return image

  input_ph = tf.placeholder(tf.string,shape=[None],name='image_binary')

  images_tensor = tf.map_fn(decode_and_resize,input_ph,back_prop=False,dtype=tf.uint8)

  images_tensor = tf.image.convert_image_dtype(images_tensor,dtype=tf.float32) 

  return tf.estimator.export.ServingInputReceiver({'images': images_tensor},{'bytes': input_ph}
                                                  )
serving_input_fn = partial(serving_input_receiver_fn,flaGS=flaGS)

估算器训练得很好，检查点和其他文件被顺利保存在 GCS-Bucket 中。只有当我尝试导出模型时，它才会给出错误：

def model_fn(features,labels,mode,params):

    if (mode != tf.estimator.ModeKeys.PREDICT):

        loss = loss_fn(features,labels)

        learning_rate = tf.train.exponential_decay(flaGS.LEARNING_RATE,tf.train.get_global_step(),decay_steps=100000,decay_rate=0.96)

        optimizer = tf.train.GradientDescentOptimizer(learning_rate=learning_rate)

        optimizer = tf.contrib.tpu.CrossShardOptimizer(optimizer)

        train_op=optimizer.minimize(loss,tf.train.get_global_step())
        return tf.contrib.tpu.TPUEstimatorSpec(mode=mode,loss=loss,train_op=train_op)
    else:

        predictions=generator_fn(features)

        return tf.contrib.tpu.TPUEstimatorSpec(mode=mode,predictions={"predictions": predictions})