高级估算工具（例如tf.contrib.learn.DNNRegressor）经过培训并以Python格式保存（export_savedmodel使用serving_input_fn）。然后从C ++（使用LoadSavedModel）加载它以进行预测。根据{{1}}，预期的输入张量为saved_model_cli和shape: (-1)。
我可以通过构造tensorflow :: Example对象然后将其序列化为字符串来定义这样的输入张量。但是，我想知道是否有更有效的方法呢？（也就是说，假设输入是一堆浮点数，然后构建一个对象，定义特征映射，序列化为字符串然后解析它如果这样做了数百万次，就显得很浪费了。）