我正在使用以下运行时信息运行nvcr.io/nvidia/tensorflow:19.12-tf2-py3 docker映像：

• tensorflow 2.0.0（tf.__version__）
• Python 3.6（!python --version）
• 张紧器RT 6.0.1（!dpkg -l | grep nvinfer）
• 库达10.2

我在TensorFlow 2.0中构建了一个模型，并将其转换+保存到目录：

1/
├── assets/
|   └── trt-serialized-engine.TRTEngineOp_0
├── variables/
|   ├── variables.data-00000-of-00002
|   ├── variables.data-00001-of-00002
|   └── variables.index
└── saved_model.pb

现在，当我尝试使用TensorRT python API反序列化cuda引擎时：

import tensorrt as trt
TRT_LOGGER = trt.Logger(trt.Logger.VERBOSE)

serialized_engine = './tmp/unet-FP32/1/assets/trt-serialized-engine.TRTEngineOp_0'
# serialized_engine = './tmp/unet-FP32/1/saved_model.pb'

trt_runtime = trt.Runtime(TRT_LOGGER)

with open(serialized_engine, 'rb') as f:
    engine = trt_runtime.deserialize_cuda_engine(f.read())

我收到以下错误消息：

[TensorRT] ERROR: ../rtSafe/coreReadArchive.cpp (31) - Serialization Error in verifyHeader: 0 (Magic tag does not match)
[TensorRT] ERROR: INVALID_STATE: std::exception
[TensorRT] ERROR: INVALID_CONFIG: Deserialize the cuda engine failed.

我在完全相同的机器上，在完全相同的Docker容器中进行保存和加载。我假设'trt-serialized-engine.TRTEngineOp_0'包含实际的序列化模型是错误的吗？
我也尝试过用uff-parserm来做这件事，但是NVidia容器中附带的uff与tensorflow 2.0不兼容。
有什么想法如何反序列化我的trt引擎？