TensorFlow 1.7模型部署GCP CloudML报错，指定TF1.6仍失败求助

这个问题的核心原因很明确：你用TensorFlow 1.7训练/导出的模型包含了1.7版本才引入的算子SparseFillEmptyRows，而CloudML的TF 1.6运行时根本不认识这个算子——哪怕你在setup.py里指定了tensorflow==1.6，模型文件本身已经携带了高版本的算子定义，低版本TF无法解析它。

下面是具体的解决步骤：

• 重新用TensorFlow 1.6环境导出（或重新训练）模型
  这是最根本的解决方案。你需要创建一个TF 1.6的虚拟环境，完成以下操作之一：

  1. 如果训练成本不高，直接用TF1.6重新训练整个模型；
  2. 如果训练数据量很大，可加载已训练好的权重参数，在TF1.6环境下重新导出符合要求的SavedModel格式。
     导出时要确保所有用到的算子都是TF1.6原生支持的，避免使用1.7新增的API。

• 检查算子的TF1.6兼容写法
  确认SparseFillEmptyRows在TF1.6中的存在形式：在TF1.6里，这个算子可能属于tf.contrib.sparse模块（而TF1.7将其移到了核心API）。如果你的训练代码里用的是tf.SparseFillEmptyRows，在TF1.6环境下要改成tf.contrib.sparse.sparse_fill_empty_rows，确保导出的模型使用1.6能识别的算子路径。

• 先在本地TF1.6环境验证模型
  导出模型后，先在本地的TF1.6环境中测试加载：

  import tensorflow as tf
  with tf.Session() as sess:
      tf.saved_model.loader.load(sess, ["serve"], "/path/to/your/saved_model")
  

  如果这一步能成功加载，说明模型已经兼容TF1.6，再部署到CloudML就不会出现算子未注册的问题。

• 部署时指定CloudML的TF1.6运行时版本
  比起仅在setup.py中指定依赖，直接在部署命令里指定CloudML的运行时版本更可靠，避免依赖缓存或版本冲突。部署命令示例：

  gcloud ai-platform versions create YOUR_VERSION_NAME \
      --model YOUR_MODEL_NAME \
      --origin gs://your-bucket/path/to/saved_model \
      --runtime-version=1.6 \
      --python-version=3.5
  

  这里的--runtime-version=1.6会让CloudML直接使用预配置的TF1.6运行环境，无需依赖setup.py的配置。

内容的提问来源于stack exchange，提问作者mshearer0