嘿，这个问题我之前踩过坑，给你几个实用的解决方案：

这个报错的核心是TensorFlow默认不允许覆盖已存在的模型导出目录，你可以通过手动删除目录或者训练时自动覆盖两种方式解决：

1. 手动删除已存在的临时目录 #

你找不到/tmp/saved_models/1/是因为/tmp是系统的临时目录，不同系统的访问方式不一样：

• Linux/macOS/WSL环境：直接打开终端，执行这条命令强制删除整个目录：

  rm -rf /tmp/saved_models/1/
  

  （-rf参数是递归删除目录下所有内容，且无需确认）

• Windows原生环境：

  • 方法一：打开文件管理器，在地址栏输入%TEMP%，回车后就能进入系统临时文件夹，找到saved_models/1/目录删掉即可。
  • 方法二：用PowerShell执行命令删除：

    Remove-Item -Recurse -Force "$env:TEMP\saved_models\1\"
    

如果是WSL环境下的/tmp，想用Windows文件管理器访问的话，可以在地址栏输入\\wsl$\<你的发行版名称>\tmp（比如\\wsl$\Ubuntu\tmp），就能找到对应的目录。

2. 训练时自动覆盖目录，无需手动删除 #

不用每次手动删目录，直接在代码或训练命令里设置覆盖参数就行：

• 如果你用Keras保存模型：
  调用model.save()或tf.keras.models.save_model()时，加上overwrite=True参数：

  model.save('/tmp/saved_models/1/', overwrite=True)
  

• 如果你用TensorFlow原生API保存SavedModel：
  可以先判断目录是否存在，存在就删除，再保存模型：

  import os
  import shutil
  
  export_dir = '/tmp/saved_models/1/'
  # 如果目录存在，先删除
  if os.path.exists(export_dir):
      shutil.rmtree(export_dir)
  # 再保存模型
  tf.saved_model.save(your_model, export_dir)
  

• 如果你用官方的重新训练脚本（比如retrain.py）：
  看看脚本的参数列表，一般会有类似--overwrite或--force的参数，加上这个参数就能自动覆盖现有目录，不用手动删除。

根据你保存的模型格式不同，删除方式略有区别：

1. 删除SavedModel格式的模型 #

SavedModel是一个包含多个文件的目录，直接删除整个目录即可：

import shutil
shutil.rmtree('/path/to/your/saved_model_dir/')

或者用系统命令（比如Linux的rm -rf，Windows的Remove-Item）删除。

2. 删除Checkpoint（ckpt）格式的模型 #

训练时生成的.ckpt.data、.ckpt.index、.ckpt.meta以及checkpoint文件，你可以：

• 直接删除整个checkpoints目录；
• 或者用代码批量删除这些文件：

  import glob
  import os
  
  ckpt_dir = '/path/to/your/checkpoints/'
  # 匹配所有ckpt相关文件
  ckpt_files = glob.glob(os.path.join(ckpt_dir, '*.ckpt*'))
  ckpt_files.append(os.path.join(ckpt_dir, 'checkpoint'))
  
  for file_path in ckpt_files:
      if os.path.exists(file_path):
          os.remove(file_path)
  

3. 删除HDF5（.h5）格式的模型 #

如果是单个.h5文件，直接删除这个文件就行：

import os
os.remove('/path/to/your/model.h5')

内容的提问来源于stack exchange，提问作者prismspecs