如您所知，对于新版本的tf服务，它不再支持过去由SessionBundle导出的模型格式，但现在支持SavedModelBuilder。

我想最好从旧的模型格式还原会话，然后通过SavedModelBuilder导出它。您可以使用它指示模型的版本。

    def export_saved_model(version, path, sess=None):
        tf.app.flags.DEFINE_integer('version', version, 'version number of the model.')
        tf.app.flags.DEFINE_string('work_dir', path, 'your older model  directory.')
        tf.app.flags.DEFINE_string('model_dir', '/tmp/model_name', 'saved model directory')
        FLAGS = tf.app.flags.FLAGS

        # you can give the session and export your model immediately after training 
        if not sess: 
            saver = tf.train.import_meta_graph(os.path.join(path, 'xxx.ckpt.meta'))
            saver.restore(sess, tf.train.latest_checkpoint(path))

        export_path = os.path.join(
            tf.compat.as_bytes(FLAGS.model_dir),
            tf.compat.as_bytes(str(FLAGS.version)))
        builder = tf.saved_model.builder.SavedModelBuilder(export_path)

        # define the signature def map here
        # ...

        legacy_init_op = tf.group(tf.tables_initializer(), name='legacy_init_op')
        builder.add_meta_graph_and_variables(
            sess, [tf.saved_model.tag_constants.SERVING],
            signature_def_map={
                'predict_xxx':
                    prediction_signature
            },
            legacy_init_op=legacy_init_op
        )

        builder.save()
        print('Export SavedModel!')

您可以在tf服务示例中找到上述代码的主要部分。最终，它将以可提供的格式生成SavedModel。

我有同样的问题，原因是因为导出检测模型时，对象检测api没有分配模型的版本。但是，张量流服务要求您分配检测模型的版本号，以便您可以选择要服务的模型的不同版本。对于您的情况，应将检测模型（.pb文件和变量文件夹）放在以下文件夹中：/ serving / ssd_frozen / 1 /。这样，您将模型分配给版本1，并且由于只有一个版本，因此tensorflow服务将自动加载该版本。默认情况下，tensorflow服务将自动提供最新版本（即，最大数量的版本）。

请注意，创建1 /文件夹后，仍然需要将model_base_path设置为--model_base_path = / serving / ssd_frozen /。