google-cloud-platform - 在 ml-engine 上部署模型，使用 tf.train.Saver() 导出

Question

我想在新版本的 Google ML Engine 上部署一个模型。
以前，使用 Google ML，我可以导出我经过训练的模型，创建一个 tf.train.Saver() , 用 saver.save(session, output) 保存模型.

到目前为止，我无法确定以这种方式获得的导出模型是否仍可部署在 ml-engine 上，否则我必须遵循 here 中描述的训练程序并创建一个新的训练包，并必须使用 ml-engine 训练我的模型。

我还能用吗tf.train.Saver()获取我将在 ml-engine 上部署的模型？

Answer 1

tf.train.Saver() 只产生一个检查点。

Cloud ML Engine 使用从这些 API 生成的 SavedModel:https://www.tensorflow.org/versions/master/api_docs/python/tf/saved_model?hl=bn

保存的模型是一个检查点 + 一个包含一个或多个图定义的序列化 protobuf + 一组声明图/模型的输入和输出的签名 + 附加 Assets 文件(如果适用)，以便所有这些都可以在服务时使用。

我建议看几个例子:

人口普查样本 - https://github.com/GoogleCloudPlatform/cloudml-samples/blob/master/census/tensorflowcore/trainer/task.py#L334

还有我自己的示例/库代码 - https://github.com/TensorLab/tensorfx/blob/master/src/training/_hooks.py#L208调用到 https://github.com/TensorLab/tensorfx/blob/master/src/prediction/_model.py#L66演示如何使用检查点，将其加载到 session 中，然后生成一个已保存的模型。

希望这些指针有助于调整您现有的代码以生成模型，现在生成 SavedModel。

我想你也问了另一个类似的问题来转换以前导出的模型，为了其他人的完整性，我会在这里链接到它: Deploy retrained inception SavedModel to google cloud ml engine