我在使用这个来自colabs教程的示例来微调模型，训练完成后，我想保存模型并在本地计算机上使用以下代码加载：

ckpt_manager = tf.train.CheckpointManager(ckpt, directory="test_data/checkpoint/", max_to_keep=5)......print('Done fine-tuning!')ckpt_manager.save()print('Checkpoint saved!')

但是在本地计算机上使用检查点文件恢复后，模型无法检测到任何对象（得分太低）

我还尝试了以下方法：

tf.saved_model.save(detection_model, '/content/new_model/')

并使用以下代码加载：

detection_model = tf.saved_model.load('/saved_model_20201226/')input_tensor = tf.convert_to_tensor(image, dtype=tf.float32)detections = detection_model(input_tensor)

结果出现了这个错误：TypeError: ‘_UserObject’ object is not callable

微调模型的正确保存和加载方法是什么？

编辑 1：我忘记保存新的管道配置，之后终于工作了！这是我的答案：

# Save new pipeline confignew_pipeline_proto = config_util.create_pipeline_proto_from_configs(configs)config_util.save_pipeline_config(new_pipeline_proto, '/content/new_config')exported_ckpt = tf.compat.v2.train.Checkpoint(model=detection_model)ckpt_manager = tf.train.CheckpointManager(exported_ckpt, directory="test_data/checkpoint/", max_to_keep=5)......print('Done fine-tuning!')ckpt_manager.save()print('Checkpoint saved!')

回答：

我忘记保存新的管道配置，之后终于工作了！这是我的答案：

# Save new pipeline confignew_pipeline_proto = config_util.create_pipeline_proto_from_configs(configs)config_util.save_pipeline_config(new_pipeline_proto, '/content/new_config')exported_ckpt = tf.compat.v2.train.Checkpoint(model=detection_model)ckpt_manager = tf.train.CheckpointManager(exported_ckpt, directory="test_data/checkpoint/", max_to_keep=5)......print('Done fine-tuning!')ckpt_manager.save()print('Checkpoint saved!')