如何使用Google Cloud上的Tensorflow Training中的model.ckpt文件进行预测？

问题描述

我正在使用Tensorflow 1.15和Python 3.7，我是一个初学者。 我在谷歌云上使用自己的数据集训练了一个张量流模型，如下所示： https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf1_training_and_evaluation.md

训练后，我的Google云存储桶列出了model.ckpt文件。我按以下说明保存了模型：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/exporting_models.md。这样做会生成一些文件：checkpoint，frozen_inference_graph.pb，model.ckpt.data-00000-of-00001，model.ckpt.index，model.ckpt.Meta，pipeline.config和包含文件save_model的文件夹“ saved_model” .pb和一个空的变量文件夹。到现在为止还挺好。现在，我想使用这些文件在此笔记本上进行预测：https://colab.research.google.com/github/tensorflow/models/blob/master/research/object_detection/colab_tutorials/object_detection_tutorial.ipynb，但是我停留在“加载对象检测模型”部分，我总是得到这个

OSError: SavedModel file does not exist at: home/user/models/research/exported_graphs/saved_model/{saved_model.pbtxt|saved_model.pb}

我在做什么错？我尝试了所有可能，并阅读了数十篇stackoverflow文章，但找不到任何可用的解决方案。还可以使用通过培训生成的.h5 /进行预测生成的model.ckpt文件吗？

非常感谢您！

解决方法

首先在 Google_cloud 上上传 saved_model，然后使用以下代码片段加载 saved_model。

def load_model(model_name):
  #path to model directory
  model_dir = "model_directory"

  model_dir = pathlib.Path(model_dir)/"saved_model"

  model = tf.saved_model.load(str(model_dir))

  return model