我在将训练好的模型加载到另一个Python文件时遇到了问题。以下是我保存模型的代码：

input_size = 16output_size = 2hidden_layer_size = 50model = tf.keras.Sequential([    tf.keras.layers.Dense(hidden_layer_size,                           activation='relu'), # 第一隐藏层    tf.keras.layers.Dense(hidden_layer_size,                           activation='relu'), # 第二隐藏层    tf.keras.layers.Dense(output_size,                           activation='softmax') # 输出层])model.compile(optimizer='Adam',               loss='sparse_categorical_crossentropy',               metrics=['accuracy'])batch_size = 100max_epochs = 20early_stopping=tf.keras.callbacks.EarlyStopping()model.fit(train_inputs, # 训练输入          train_targets, # 训练目标          batch_size=batch_size, # 批次大小          epochs=max_epochs, # 我们将训练的轮数（假设提前停止不会生效）          callbacks=[early_stopping],          validation_data=(validation_inputs, validation_targets), # 验证数据          verbose = 1 # 确保我们得到足够的关于训练过程的信息          )  saver = tf.train.Saver()sess = tf.compat.v1.keras.backend.get_session()saver.save(sess,r'C:\Users\User\Desktop\tensorflow\model\tf_keras_session\session.ckpt' )model.save(r'C:\Users\User\Desktop\tensorflow\model\tensorflow_model_3')

以下是我加载模型的代码：

model = tf.keras.models.load_model('./data/tensorflow_model_3')saver = tf.compat.v1.train.Saver()sess = K.get_session()saver.restore(sess, './data/tf_keras_session/session.ckpt')

最后，我得到了一个类似这样的错误（问题出在定义”saver”上）：

RuntimeError: 当启用即时执行模式时，`var_list`必须指定要保存的变量列表或字典

回答：

禁用即时执行模式。在tf导入的开始设置它。

tf.compat.v1.disable_eager_execution()