Python 导出张量流概率'；s隐马尔可夫模型

我想导出HMM模型，因为每次训练都需要时间。我的方法是将所有矩阵保存在文件中。我想知道有没有tensorflow的方法？也可以将它与API导出到C++等其他语言。

< p>您可以通过调用<代码>变量> /Cuth>属性>代码> TFP。比如：

将tensorflow导入为tf
导入tensorflow_概率作为tfp
hmm=tfp.distributions.HiddenMarkovModel(
初始分布=tfp.distributions.Categorical（logits=tf.Variable（[0,0]），
转换分布=tfp.distributions.Categorical（logits=tf.Variable（[[0,0]]]]*2）），
观察分布=tfp分布。正态（tf变量（[0,0]），
tfp.util.TransformedVariable（[1,1]，tfp.bijectors.Softplus（low=1e-3）），
步骤数=10）
x=hmm.sample（100）
opt=tf.optimizers.Adam（0.01）
@功能
定义一个步骤（）：
将tf.GradientTape（）作为t：
nll=-hmm.log\u prob（x）
梯度=t.梯度（nll，hmm.可训练的变量）
选择应用梯度（zip（梯度，hmm，可训练的变量））
对于范围（10）内的uu：
一步
Foo类（tf.模块）：
定义初始化（self，hmm）：
自我。_-hmm=hmm
@函数（输入\u签名=[tf.TensorSpec.from\u tensor（x）]）
def log_prob（自身，x）：
返回self.\uhmm.log\uprob（x）
tf.saved_model.save（Foo（hmm），“/tmp/tf.model”）
q=tf.saved_model.load（'/tmp/tf.model'）
q、 对数概率（x）