TensorFlow1.x转2.x升级报错：'Dense'无'_saved_model_inputs_spec'属性

• 检查TFsnippet升级完整性：tf_upgrade_v2工具无法完全覆盖第三方库（如TFsnippet）的TF1代码，需手动排查TFsnippet中涉及Keras层（尤其是Dense）的保存/加载逻辑，若存在直接访问_saved_model_inputs_spec这类TF1私有属性的代码，替换为TF2公开API（比如Model.input_spec或get_input_spec()）。
• 验证Keras层兼容性：确认代码中使用的Dense层是TF2原生的tf.keras.layers.Dense，而非TF1遗留的tf.compat.v1.keras.layers.Dense或自定义修改过的Dense类。部分老代码自定义继承Dense的层时，可能遗漏TF2所需的属性或方法。
• 排查模型保存/加载流程：错误出现在predictor调用阶段，大概率和模型加载相关。确认是否用TF2的tf.keras.models.load_model替代了TF1的tf.compat.v1.saved_model.load，加载时是否正确指定custom_objects参数，确保自定义层或第三方层能被正确解析。
• 核对TensorFlow版本兼容性：当前使用的TF2版本建议选2.8+（适配Python3.8），部分旧版TF2对TF1遗留属性的兼容处理不完善，可尝试升级到稳定版TF2。
• 搜索代码中对私有属性的直接访问：遍历整个代码库（包括donut、TFsnippet），查找是否有直接访问_saved_model_inputs_spec的代码段，这类私有属性在TF2中已被移除或改名，需替换为对应公开接口。
• 拆分测试模型核心流程：即使无法编写最小复现示例，可从donut的predictor中提取模型加载的核心代码，单独测试加载模型后调用predict是否报错，逐步缩小问题范围到具体模型部分或加载逻辑。

内容的提问来源于stack exchange，提问作者Miguel