让我们考虑使用TF对结构化数据进行分类的官方示例： https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/tutorials/structured_data/feature_columns.ipynb
为了预测目标python应用程序中的新观察结果，我应该如何保存和加载这种（已经拟合好的）模型？
如果保存（拟合模型后）为
model.save('test_model')
，然后使用以下命令将其加载到我的目标应用程序中（或直接在同一笔记本中）：
new_model = tf.keras.models.load_model('./test_model')
new_model.summary()
摘要将产生以下错误：
ValueError: This model has not yet been built. Build the model first by calling `build()` or calling `fit()` with some data, or specify an `input_shape` argument in the first layer(s) for automatic build.
问题似乎与输入管道有关，因为我们的第一层是DenseFeatures层，没有任何指定的输入形状。应该如何更改？
最后，在这种情况下，我们将获得11个要素的观察结果（例如具有要素值的numpy数组），我们希望将其提交给模型的predict()方法。
我找不到有关如何使用DenseFeature（输入）层保存拟合模型然后加载它以执行预测的任何示例。
在要素图层上指定input_shape=(11,)也不起作用。
非常感谢