python模型训练 warm_start_keras.estimator.model_到_estimator无法warmstart或加载上一个checkpoint...

我用keras模型估计函数训练张量流模型，然后用训练数据进行训练。这很好，我可以继续使用测试数据成功地进行预测。在

在一个单独的例行程序中，我希望能够用最新的训练检查点加载预先训练的估计器，并进行更多的预测(即，无需重新训练)。我已经看过warm_start_from，但在加载keras模型时似乎不可用。我对https://www.tensorflow.org/get_started/checkpoints的理解是，我可以从相同的keras模型创建一个新的估计器，并且第一次预测它将从我指定的目录加载检查点。在

下面的代码片段是我的尝试(最终estimator_model2将加载到一个单独的例程中，这只是为了演示)。在modelConfig = tf.estimator.RunConfig('/myCheckpointpath', keep_checkpoint_max=1)

estimator_model = keras.estimator.model_to_estimator(keras_model=myKerasModel(inputShape, nOutputs), config=modelConfig)

estimator_model.train(input_fn=lambda: input_fn(_trainData_2d, _trainLabels, batch_size=self.batchSize, shuffle=True, num_epochs=2))

estimator_model2 = keras.estimator.model_to_estimator(keras_model=myKerasModel(inputShape, nOutputs), config=modelConfig)

predictions = list(estimator_model2.predict(input_fn=lambda: input_fn(_testData_2d)))

从诊断中我可以看到它在执行最后一行时尝试加载检查点。然而，我得到一个错误，表明在训练期间保存的检查点并不包含新估计器所需的所有信息。这是错误：

^{pr2}$

如果有帮助的话，我可以展示keras模型，但我不认为这是问题所在。在

有谁能给我一个解决方案或建议一个更好的方法来加载一个以前训练过的值来做预测的估计器吗？在