Google cloud platform 在ml引擎上部署模型，使用tf.train.Saver（）导出

我想在新版谷歌ML引擎上部署一个模型。 以前，使用Google ML，我可以导出经过训练的模型，创建一个

tf.train.Saver（）

，使用

Saver.save（会话，输出）

保存模型

到目前为止，我还无法确定以这种方式获得的导出模型是否仍然可以部署在ml引擎上，或者我必须按照所述的培训程序创建一个新的培训师包，并使用ml引擎对我的模型进行必要的培训

我仍然可以使用

tf.train.Saver（）

来获得我将在ml引擎上部署的模型吗？

tf.train.Saver（）只生成一个检查点

Cloud ML引擎使用从以下API生成的SavedModel：

保存的模型是一个检查点+一个包含一个或多个图形定义的序列化protobuf+一组声明图形/模型输入和输出的签名+其他资产文件（如果适用），以便在服务时可以使用所有这些文件

我建议看几个例子：

普查样本-

还有我自己的示例/库代码，它调用来演示如何使用检查点，将其加载到会话中，然后生成一个savedmodel

希望这些指针能够帮助您调整现有代码，以生成一个模型，从而现在生成一个SavedModel

我想您还提出了另一个类似的问题来转换以前导出的模型，为了让其他人了解完整性，我将在这里链接到它：