我正在使用固定估算器并从我无法控制的来源读取数据。源代码使用snake_case 存储特征，而我给出的预测函数总是以camelCase 的形式出现，也超出了我的控制范围。
大致上，我训练模型并将其导出，以便稍后阅读：
features = ... # snake_case
estimator = tf.estimator(DNNClassifier(feature_columns=features, ...)
...
estimator.export_savedmodel(...)
有没有办法在我训练模型时（作为别名或类似的东西）或之后保存它时重命名特征（从蛇到骆驼的情况）？
【问题讨论】：
标签： python tensorflow tensorflow-estimator
你可以使用这样的东西
https://gist.github.com/batzner/7c24802dd9c5e15870b4b56e22135c96
他们在遍历tf.contrib.framework.list_variables()返回的变量后重命名存储在检查点中的变量
【讨论】：
list_variables() 实际上给了我 [('dnn/hiddenlayer_0/bias', [10]), ('dnn/hiddenlayer_0/bias/t_0/Adagrad', [10]), ('dnn /hiddenlayer_0/kernel', [5, 10]), ('dnn/hiddenlayer_0/kernel/t_0/Adagrad', [5, 10]), ('dnn/logits/bias', [1]), ('dnn /logits/bias/t_0/Adagrad', [1]), ('dnn/logits/kernel', [10, 1]), ('dnn/logits/kernel/t_0/Adagrad', [10, 1]) , ('global_step', [])] 这看起来不像我模型中的任何特征。我是在训练结束后运行的。
estimator.get_variable_names() 的输出与tf.contrib.framework.list_variables(estimator.model_dir) 相同，并且似乎不包含这些功能。