值错误:找不到要从保存的模型加载的匹配函数

Question

我正在尝试加载我通过保存的tf-agents策略

try:
PolicySaver(collect_policy).save(model_dir + 'collect_policy')
except TypeError:
tf.saved_model.save(collect_policy, model_dir + 'collect_policy')

try/except 块的快速说明：最初创建策略时，我可以通过PolicySaver保存它，但是当我再次加载它以进行另一次训练运行时，它是一个SavedModel，因此无法通过PolicySaver保存。

这似乎工作正常，但现在我想使用此策略进行自我播放，因此我在 AIPlayer 类中加载了带有self.policy = tf.saved_model.load(policy_path)的策略。但是，当我尝试将其用于预测时，它不起作用。这是(测试(代码：

def decide(self, table):
state = table.getState()
timestep = ts.restart(np.array([table.getState()], dtype=np.float))
prediction = self.policy.action(timestep)
print(prediction)

传递给函数的table包含游戏的状态，ts.restart()函数是从我的自定义 pyEnvironment 复制的，因此时间步的构造方式与环境中完全相同。但是，我收到以下错误消息的行prediction=self.policy.action(timestep)：

ValueError: Could not find matching function to call loaded from the SavedModel. Got:
Positional arguments (2 total):
* TimeStep(step_type=<tf.Tensor 'time_step:0' shape=() dtype=int32>, reward=<tf.Tensor 'time_step_1:0' shape=() dtype=float32>, discount=<tf.Tensor 'time_step_2:0' shape=() dtype=float32>, observation=<tf.Tensor 'time_step_3:0' shape=(1, 79) dtype=float64>)
* ()
Keyword arguments: {}
Expected these arguments to match one of the following 2 option(s):
Option 1:
Positional arguments (2 total):
* TimeStep(step_type=TensorSpec(shape=(None,), dtype=tf.int32, name='time_step/step_type'), reward=TensorSpec(shape=(None,), dtype=tf.float32, name='time_step/reward'), discount=TensorSpec(shape=(None,), dtype=tf.float32, name='time_step/discount'), observation=TensorSpec(shape=(None,
79), dtype=tf.float64, name='time_step/observation'))
* ()
Keyword arguments: {}
Option 2:
Positional arguments (2 total):
* TimeStep(step_type=TensorSpec(shape=(None,), dtype=tf.int32, name='step_type'), reward=TensorSpec(shape=(None,), dtype=tf.float32, name='reward'), discount=TensorSpec(shape=(None,), dtype=tf.float32, name='discount'), observation=TensorSpec(shape=(None, 79), dtype=tf.float64, name='observation'))
* ()
Keyword arguments: {}

我做错了什么？它真的只是张量名称还是形状是问题所在，我该如何更改它？

任何如何进一步调试的想法将不胜感激。

Answer 1

我通过手动构建TimeStep来让它工作：

step_type = tf.convert_to_tensor(
[0], dtype=tf.int32, name='step_type')
reward = tf.convert_to_tensor(
[0], dtype=tf.float32, name='reward')
discount = tf.convert_to_tensor(
[1], dtype=tf.float32, name='discount')
observations = tf.convert_to_tensor(
[state], dtype=tf.float64, name='observations')
timestep = ts.TimeStep(step_type, reward, discount, observations)
prediction = self.policy.action(timestep)