TensorFlow加载SavedModel报错：找不到匹配的具体函数

以下是针对“Could not find matching concrete function to call loaded from the SavedModel”错误的具体解决方法：

• 明确模型输入签名后保存
  多数情况下错误源于模型保存时未定义清晰的输入签名，导致加载时无法匹配函数。可在保存时指定输入签名：

  import tensorflow as tf
  from tensorflow import keras
  
  # 根据你的模型实际输入形状修改此处参数
  input_signature = [tf.TensorSpec(shape=(None, 28, 28, 1), dtype=tf.float32, name='input')]
  
  # 生成带签名的服务函数
  @tf.function(input_signature=input_signature)
  def serve_function(inputs):
      return model(inputs)
  
  # 保存模型时指定签名
  model.save('/content/drive/MyDrive/test', signatures=serve_function)
  

• 注册自定义组件再加载
  如果模型包含自定义层、损失函数或度量类，加载时必须通过custom_objects参数注册这些组件，否则TensorFlow无法识别：

  from tensorflow import keras
  
  # 替换成你实际的自定义类/函数名称
  model_1 = keras.models.load_model(
      '/content/drive/MyDrive/test',
      custom_objects={'MyCustomLayer': MyCustomLayer, 'custom_loss': custom_loss}
  )
  

• 检查SavedModel的签名信息
  先加载SavedModel查看其签名的输入输出要求，确认是否和后续使用的输入匹配：

  import tensorflow as tf
  
  loaded_model = tf.saved_model.load('/content/drive/MyDrive/test')
  # 查看可用的签名列表
  print("可用签名：", list(loaded_model.signatures.keys()))
  # 查看默认签名的输入输出细节
  serving_signature = loaded_model.signatures['serving_default']
  print("输入形状要求：", [input.shape for input in serving_signature.inputs])
  print("输出形状信息：", [output.shape for output in serving_signature.outputs])
  

• 验证TensorFlow版本兼容性
  不同小版本的TensorFlow可能存在兼容性差异，可尝试指定稳定版本安装（如2.15.0），重启Colab内核后再加载：

  !pip install tensorflow==2.15.0
  

• 确认模型保存完整性
  检查SavedModel目录下是否存在saved_model.pb文件和variables文件夹（需包含variables.data-00000-of-00001和variables.index），缺失任何文件都会导致加载失败。

内容的提问来源于stack exchange，提问作者divanovano