我正在使用TF-Ranking训练推荐引擎。我遇到了一个问题，该问题似乎是与tf.feature_column API有关的版本不兼容问题。
我的问题的简短版本是：什么是v2功能专栏（TF 2.0？）（例如，请参见this），如何确保我将功能专栏视为v2？仍使用TF 1.14。
这是详细信息：
我无法充分缩短代码长度以提供可重复的示例。但我将尝试用语言来描述问题。
TF版本：1.14 操作系统：Ubuntu 18.04
最初，我的模型中有两个特征user和item，它们都是稀疏的分类特征，它们包装在自己的tf.feature_column.embedding_column中。我能够使用train_and_evaluate的{{1}}方法并导出用于投放的模型。
然后，我添加了一个新功能Estimator，该功能仅在预测过程中存在（作为上下文功能）。这与curr_item共享嵌入。所以现在我有了一个item，它同时包裹了tf.feature_column.shared_embedding_columns和item。
现在调用current_item会导致以下错误（短信缩短）：
ValueError：无法从检查点加载所有请求的变量。请确保您的model_fn不期望未保存在检查点中的变量。 在检查点中找不到关键的input_layer / user_embedding / embedding_weights
请注意，调用train_and_evaluate方法只能正常工作。我的理解是，一旦进行评估，它将尝试从检查点加载变量，但是该变量不存在。我做了一些调试，发现了原因：
在训练过程中调用train时（依次调用encode_listwise_features），所有功能（encode_features和user）均为“ V2”（不确定这意味着什么）因此以下if语句成立：
和两个变量都以item前缀（作用域名称？）命名：
encoding_layer / user_embedding / embedding_weights encoding_layer / item_embedding / embedding_weights
但是，当我为所有三个功能调用相同的功能时（在eval或预测模式下有点困惑），其中一些不是“ V2”，我们最终处于上述条件的其他部分，即encoding_layer直接使用，变量使用input_layer前缀命名。现在TF正在尝试还原
input_layer / user_embedding / embedding_weights
从检查点开始，但该名称在检查点中不存在，因为它被称为
encoding_layer / user_embedding / embedding_weights
在训练中。
所以：
1）如何确保在所有阶段将我的所有功能都视为v2？我尝试使用input_layer，但没有帮助。在上面的if语句中已经有一个ToDo注释。
2）是否可以修改tf.compat.v2.feature_column以避免这种情况？例如引发异常并提供有用的消息？