Tensor Flow2.XにおけるSaved Model を再コンパイルせずに利用したい．

#Tensor Flow2.XにおけるSaved Model読み込みについて．

##利用環境
Tensor flow 2.3
Python 3.6.9

問題点

TensorFlowでsaved model形式でモデルを保存し，読み込んだ際に，モデルを再コンパイルしないと，正しい精度が出ないようです．

モデル読み込み次にコンパイルを自動で行わせ，モデルを利用する際は，saved modelを読み込むだけにするような方法はありますか？

症状

まず，以下のようにモデルを学習させ，コールバックにより保存します

python
1model = create_model()
2checkpoint_path = "training_1/cp.ckpt"
3checkpoint_dir = os.path.dirname(checkpoint_path)
4
5# チェックポイントコールバックを作る
6cp_callback = tf.keras.callbacks.ModelCheckpoint(checkpoint_path, 
7                                                 verbose=1)
8# 新しいコールバックを用いるようモデルを訓練
9model.fit(train_images, 
10          train_labels,  
11          epochs=10,
12          validation_data=(test_images,test_labels),
13          callbacks=[cp_callback])  # 訓練にコールバックを渡す

これにより，以下のような構造でモデルが保存されます．

次に，モデルを以下のコードで読み込み，精度を評価します．

python
1# リストアされたモデルを評価
2new_model = tf.keras.models.load_model('training_1/cp.ckpt')
3
4# loss関数を手動で設定する必要がある？
5# new_model.compile(optimizer='adam', 
6#                 loss='sparse_categorical_crossentropy',
7#                 metrics=['accuracy'])
8
9# new_model = create_model()
10
11new_model.load_weights("training_2/cp-0050.ckpt")
12
13loss, acc = new_model.evaluate(test_images,  test_labels, verbose=2)
14print('Restored model, accuracy: {:5.2f}%'.format(100*acc))

32/32 - 0s - loss: 0.4815 - accuracy: 0.0900

Restored model, accuracy: 9.00%

このとき，モデルの正答率が9%程度と，かなり低くなってしまいます．

ただし，モデルロードの後にモデルコンパイルを実行すると，精度は学習時と同様になるようです．

python
1# リストアされたモデルを評価
2new_model = tf.keras.models.load_model('training_1/cp.ckpt')
3
4# loss関数を手動で設定する必要がある？
5new_model.compile(optimizer='adam', 
6                loss='sparse_categorical_crossentropy',
7                metrics=['accuracy'])
8
9# new_model = create_model()
10
11new_model.load_weights("training_2/cp-0050.ckpt")
12
13loss, acc = new_model.evaluate(test_images,  test_labels, verbose=2)
14print('Restored model, accuracy: {:5.2f}%'.format(100*acc))

32/32 - 0s - loss: 0.4815 - accuracy: 0.8830

Restored model, accuracy: 88.30%

モデルを構築した関数は，以下です．

python
1# 短いシーケンシャルモデルを返す関数
2def create_model():
3  model = tf.keras.models.Sequential([
4    keras.layers.Dense(512, activation='relu', input_shape=(784,)),
5    keras.layers.Dropout(0.2),
6    keras.layers.Dense(10, activation='softmax')
7  ])
8  
9  model.compile(optimizer='adam', 
10                loss='sparse_categorical_crossentropy',
11                metrics=['accuracy'])
12  
13  return model