如何将字符串转换为对应的TensorFlow模型实例以调用evaluate方法？

该需求完全可以实现，常见的实现方案有3种，按推荐优先级排序如下：

• 方案1：字典显式映射（最推荐，生产环境首选）
  提前把所有需要用到的模型对象注册到字典中，key为模型名称字符串，value为实际模型对象，可控性和安全性最高：

# 提前注册所有模型
model_registry = {
    "model1": model1,
    "model2": model2,
    # 后续新增模型直接在此处添加即可
}

# 使用时直接通过字符串取值
model_name = "model1"
target_model = model_registry[model_name]
target_model.evaluate()

• 方案2：全局作用域取值（仅适用于测试/简单脚本场景）
  如果模型是直接定义在当前脚本的全局作用域中，可以通过globals()内置函数直接获取：

model_name = "model1"
target_model = globals()[model_name]
target_model.evaluate()

⚠️ 风险提示：如果模型名字符串是用户可自定义的输入，该方法可能意外获取到不相关的全局变量，存在安全隐患，禁止在生产环境使用。

• 方案3：类属性取值（适用于模型封装在类中的场景）
  如果模型是某个类的实例属性，可以使用getattr()方法取值：

class ModelService:
    def __init__(self):
        self.model1 = load_pretrained_model1()
        self.model2 = load_pretrained_model2()
    
    def evaluate_by_name(self, model_name: str):
        target_model = getattr(self, model_name)
        return target_model.evaluate()

通用优化建议：无论使用哪种方案，建议增加合法性校验，避免出现调用异常：

if hasattr(target_model, "evaluate") and callable(target_model.evaluate):
    target_model.evaluate()
else:
    raise ValueError(f"名为{model_name}的对象不存在可调用的evaluate方法")

内容的提问来源于stack exchange，提问作者Davidtjx