如何根据已保存的模型在张量流排名中进行预测

Question

我正在使用以下示例张量流排名：handling_sparse_features on colab

最后，它显示了如何使用训练后的模型的排名进行预测。很好。

def predict_input_fn(path):
  context_feature_spec = tf.feature_column.make_parse_example_spec(
        context_feature_columns().values())
  example_feature_spec = tf.feature_column.make_parse_example_spec(
        list(example_feature_columns().values()))
  dataset = tfr.data.build_ranking_dataset(
        file_pattern=path,
        data_format=tfr.data.ELWC,
        batch_size=_BATCH_SIZE,
        list_size=_LIST_SIZE,
        context_feature_spec=context_feature_spec,
        example_feature_spec=example_feature_spec,
        reader=tf.data.TFRecordDataset,
        shuffle=False,
        num_epochs=1)
  features = tf.compat.v1.data.make_one_shot_iterator(dataset).get_next()
  return features

predictions = ranker.predict(input_fn=lambda: predict_input_fn("/tmp/test.tfrecords"))

x = next(predictions)

如何保存和使用模型（或“等级”），这样我就不必始终执行整个培训步骤了？我想保存排名，然后按上面的方式使用它：

predictions = ranker.predict(input_fn=lambda: predict_input_fn("/tmp/test.tfrecords"))

我找到了以下解释：https://github.com/tensorflow/ranking/issues/53 在那里，他们提出以下建议：

feature_columns = example_feature_columns()
feature_spec = tf.feature_column.make_parse_example_spec(feature_columns)
export_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)
ranker.export_savedmodel("savedmodel", export_fn)

但这仅包括示例的feature_spec。对于我的问题，我需要同时输入示例和上下文的feature_spec，类似于predict_input_fn。