Python 将TensorFlow检查点部署到Google云平台_Python_Tensorflow_Machine Learning_Google Cloud Platform

Python 将TensorFlow检查点部署到Google云平台

python tensorflow machine-learning google-cloud-platform

Python 将TensorFlow检查点部署到Google云平台,python,tensorflow,machine-learning,google-cloud-platform,Python,Tensorflow,Machine Learning,Google Cloud Platform,我已经训练了一个TensorFlow模型并保存了一个检查点，我想将其部署到Google云平台。在模型部署中，它表示需要创建一个SavedModel。似乎也使用检查点而不是SavedModel 考虑到我已经花时间训练这个模型，并且只有检查点而不是SavedModel，有没有一种方法可以用来部署模型，或者我需要重新训练？检查点将变量名映射到张量值。这对于更高级别的系统使用您的模型是不够的。另一方面，a是完整且密封的。正如您在文章中的链接所明确指出的，SavedModel提供了服务TensorFlow

我已经训练了一个TensorFlow模型并保存了一个检查点，我想将其部署到Google云平台。在模型部署中，它表示需要创建一个SavedModel。似乎也使用检查点而不是SavedModel

考虑到我已经花时间训练这个模型，并且只有检查点而不是SavedModel，有没有一种方法可以用来部署模型，或者我需要重新训练？

检查点将变量名映射到张量值。这对于更高级别的系统使用您的模型是不够的。另一方面，a是完整且密封的。正如您在文章中的链接所明确指出的，SavedModel提供了服务TensorFlow模型所需的所有信息：一组元图、与这些图兼容的检查点以及所有必要的资产文件。如果您这样看待它，那么您需要将模型导出到SavedModel，以便将其部署到ML引擎，这是有意义的。这并不意味着你需要再培训。你需要做的是去做