如何从saved_model.pb文件加载模型结构与权重？

你用tf.saved_model.save保存的模型，通过tf.saved_model.load加载后得到的是SavedModel对象，它没有model.summary()方法，但可以通过以下几种方式获取支持结构查看的模型实例：

方法1：用Keras加载器直接恢复（推荐） #

如果你的模型原本是Keras模型（比如tf.keras.Model子类或函数式模型），直接用tf.keras.models.load_model加载，就能得到完整的Keras模型对象，支持summary()、权重查看等操作：

import tensorflow as tf

# 加载模型
keras_model = tf.keras.models.load_model(model_directory)
# 查看模型结构
keras_model.summary()
# 查看模型权重
print(keras_model.trainable_weights)

方法2：从SavedModel重建Keras模型 #

如果加载后的SavedModel没有直接的Keras接口，可以通过签名信息重建Keras模型：

import tensorflow as tf

# 加载SavedModel
loaded_savedmodel = tf.saved_model.load(model_directory)
# 获取推理签名
infer_signature = loaded_savedmodel.signatures["serving_default"]

# 提取输入特征（单输入场景，多输入可循环处理）
input_tensor = infer_signature.inputs[0]
input_shape = input_tensor.shape[1:]  # 忽略batch维度
input_dtype = input_tensor.dtype

# 构建输入层
inputs = tf.keras.Input(shape=input_shape, dtype=input_dtype)
# 调用SavedModel得到输出
outputs = loaded_savedmodel(inputs)
# 封装为Keras模型
rebuilt_model = tf.keras.Model(inputs=inputs, outputs=outputs)

# 查看模型结构
rebuilt_model.summary()

方法3：利用加载对象的Keras属性 #

从你给出的dir(model_loaded)输出中可以看到keras_api属性，尝试直接提取Keras模型：

# 从加载的SavedModel对象中获取Keras模型
keras_model = loaded_savedmodel.keras_api.layer
keras_model.summary()

说明 #

tf.saved_model.load加载的是通用的SavedModel格式对象，它包含模型的计算图、变量和签名，但并非Keras原生模型实例；而tf.keras.models.load_model会自动检测并恢复Keras模型的结构和权重，因此优先使用该方法。

内容的提问来源于stack exchange，提问作者zaowad