Python TFlearn存储和加载模块，无需网络初始化

您好，我已经创建了一个模型，并使用TFlearn对其进行了培训

# Network building
net = input_data(shape=[None, max_document_length])
net = embedding(net, input_dim=Vocabulary_size, output_dim=128)
net = simple_rnn(net, 512)
net = dropout(net, 0.5)
net = fully_connected(net, n_class, activation='softmax')
net = regression(net, optimizer='adam', loss='categorical_crossentropy')

# Training
model = tflearn.DNN(net, clip_gradients=0.)
model.fit(doc_vec, label, validation_set=0.1, show_metric=True, batch_size=100)

#saving the files
model.save('path')

但是，当我试图在一个新文件中恢复这个模型时，我被要求再次给出整个网络构建，并加载模型并进行预测

net = input_data(shape=[None, max_document_length])
net = embedding(net, input_dim=Vocabulary_size, output_dim=128)
net = simple_rnn(net, 512)
net = dropout(net, 0.5)
net = fully_connected(net, n_class, activation='softmax')
net = regression(net, optimizer='adam', loss='categorical_crossentropy')
model = tflearn.DNN(net, clip_gradients=0.)
model.load('path')
print(model.predict_label(input))

我试图pickle保存网络和模型，但它抛出了一个错误。 那么，我该怎么做才能确保我不提供整个网络，只保存模型并恢复它，然后使用model.predict，就像使用sklearn一样