本地运行Google VertexAI AutoML Tabular训练的TensorFlow模型并输入特征数据获取预测结果的技术问询

我最近碰到个头疼的问题：想把在Google VertexAI AutoML上训练的表格数据TensorFlow模型拿到本地跑，用来给回测模块提供预测结果，但完全搞不懂怎么给模型喂输入数据，而且暂时不想部署模型。

先给大家说说我的模型和环境情况：

• 模型存储结构：本地目录里有saved_model.pb文件，还有variables、assets、assets.extra三个子文件夹
• 训练时的依赖版本：TensorFlow 2.8.0，struct2tensor 0.39.0，tensorflow-addons 0.16.1
• 加载模型后的关键信息：用tf.saved_model.load(path)加载模型后，打印签名只有serving_default；拿到这个签名的推理函数后，看结构化输出是：

  {'classes': <tf.Tensor 'Reshape_25:0' shape=(None, None) dtype=string>, 'scores': <tf.Tensor 'truediv:0' shape=(None, 2) dtype=float32>}
  

• 原始训练数据：用的是带14个特征列和1个目标列的Pandas DataFrame，现在需要把14列的特征向量传给模型做预测

我目前的尝试和困惑：

• 听说可以把SavedModel重新打包成Keras模型，但据说这样推理效率会下降，不过我也愿意试试这条路
• 已经看过TensorFlow官方的模型保存加载、序列化相关教程，但完全找不到VertexAI不用Docker容器就能本地运行模型的文档说明

有没有大佬能教教我怎么给这个模型传入14列的特征数据，拿到预测结果呀？

备注：内容来源于stack exchange，提问作者kulssaka