如何使用Google AutoML Vision分类中的TensorFlow Frozen GraphDef（单个save_model.pb）进行推理和传输学习

我正在使用Google AutoML Vision导出的分类模型，因此我只有一个saved_model.pb变量，没有检查点等。我想将此模型图加载到本地TensorFlow安装中，以进行推理并继续训练更多图片。

主要问题：

• 此计划是否可行，即使用saved_model.pb不带变量，检查点等的单个对象，并使用新数据训练结果图？

• 如果是：如何将输入的形状(?,)编码为字符串的图像变成？

• 理想情况下，展望未来：培训部分需要考虑什么重要事项？

有关代码的背景信息：

• 为了读取图像，我使用与使用Docker容器进行推理时使用的相同方法，因此使用base64编码的图像。

• 要加载图形，我通过CLI（saved_model_cli show --dir input/model）检查了需要设置图形的什么标签serve。

• 为了让我使用输入张量的名字graph.get_operations()，这让我Placeholder:0对image_bytes并Placeholder:1_0为关键（任意的字符串识别图像）。两者都有尺寸dim -1

import tensorflow as tf
import numpy as np
import base64

path_img = "input/testimage.jpg"
path_mdl = "input/model"

# input to network expected to be base64 encoded image
with io.open(path_img, 'rb') as image_file:
    encoded_image = base64.b64encode(image_file.read()).decode('utf-8')

# reshaping to (1,) as the expecte dimension is (?,)
feed_dict_option1 = {
    "Placeholder:0": { np.array(str(encoded_image)).reshape(1,) }, 
    "Placeholder_1:0" : "image_key"
}

# reshaping to (1,1) as the expecte dimension is (?,)
feed_dict_option2 = {
    "Placeholder:0": np.array(str(encoded_image)).reshape(1,1), 
    "Placeholder_1:0" : "image_key"
}

with tf.Session(graph=tf.Graph()) as sess:
    tf.saved_model.loader.load(sess, ["serve"], path_mdl)

    graph = tf.get_default_graph()

    sess.run('scores:0',
               feed_dict=feed_dict_option1)

    sess.run('scores:0',
               feed_dict=feed_dict_option2)

输出：

# for input reshaped to (1,)
ValueError: Cannot feed value of shape (1,) for Tensor 'Placeholder:0', which has shape '(?,)'

# for input reshaped to (1,1)
ValueError: Cannot feed value of shape (1, 1) for Tensor 'Placeholder:0', which has shape '(?,)'

如何得到输入形状(?,)？

非常感谢。