我正在探索tensorflow 2.0的c API。
问题：
将模型加载到 python 中时，权重不会恢复，因此模型似乎未经训练。
工作流程：
我正在使用 TF 2.0 C api 来处理模型的训练。
我遵循的一般设置是：
1. 使用 TF keras api 在 python 中定义模型。
import tensorflow as tf
from tensorflow import keras
model = keras.Sequential([keras.layers.Dense(128,
input_shape=(784,),
activation='relu'),
keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss="categorical_crossentropy",
metrics=['accuracy'])
keras.experimental.export_saved_model(model,"keras_model")
我使用 keras.experimental.export_saved_model() 因为我需要“signature_def['train']”，在使用 keras.Model.save() 时不会保存该“signature_def['train']”。
2. 使用 TF 2.0 C api 在 C 中训练模型然后通过以下方式将保存的模型加载到我的 C 程序中：
TF_LoadSessionFromSavedModel()
随后对其进行训练并保存检查点：
TF_SessionRun()
保存模型会在存储模型的“variables”文件夹中创建新的检查点文件（“checkpoint.index”和“checkpoint.data-00000-of-00001”）。
3.问题在python中重新加载模型训练结束后，我在 python 中重新加载模型。这是我发现加载的模型具有与未经训练的模型相对应的权重的地方。我知道这一点是因为当我在 C 中训练的模型准确预测时，预测是胡言乱语。
我通过以下方式加载我的模型：
import tensorflow as tf
from tensorflow import keras
model = keras.experimental.load_from_saved_model("keras_model")
再次，我使用 keras.experimental.load_from_saved_model() 因为当我使用 keras.models.load_model() 时，我收到以下 ValueError：
ValueError: Importing a SavedModel with tf.saved_model.load requires a 'tags=' argument if there is more than one MetaGraph. Got 'tags=None', but there are 3 MetaGraphs in the SavedModel with tag sets [['train'], ['eval'], ['serve']]. Pass a 'tags=' argument to load this SavedModel.
如果我将“tags=serve”参数传递给 keras.model.load_model()，我会收到以下 TypeError：
TypeError: load_model() got an unexpected keyword argument 'tags'
尝试通过 keras.Model.load_weights() 将保存的检查点文件加载到我的模型中会由于文件格式而导致 OSErro：
h5py/_objects.pyx in h5py._objects.with_phil.wrapper()
h5py/_objects.pyx in h5py._objects.with_phil.wrapper()
h5py/h5f.pyx in h5py.h5f.open()
OSError: Unable to open file (file signature not found)
问题通过检查点文件加载经过训练的模型的正确方法是什么？
如何保存模型not使用keras.experimental.export_saved_model并且仍然能够访问signature_def['train']？
