Python 在tensorflow中，当我使用DNNLineArcClassifier[wide_n_deep_tutorial.py]时，如何恢复训练出的历史模型并基于它进行训练

我在tensorflow学习谷歌

我的代码是根据

我的问题是:

如何加载历史模型，并在此基础上训练新样本。我在网上搜索了很多，但是大多数方法都像下面的代码

节电器示例

v1 = tf.Variable(..., name="v1")
v2 = tf.Variable(..., name="v2")
...
init_op = tf.initialize_all_variables()
saver = tf.train.Saver()
with tf.Session() as sess:
   sess.run(init_op)
   ..
   save_path = saver.save(sess, "/tmp/model.ckpt")

但是在

wide\u n\u deep

train中，它定义了一种方法“build\u estimator”，该方法返回：

m=tf.contrib.learn.DNNLinearCombinedClassifier

当我使用上面的方法来定义一个保护程序时，它没有给出要保存的变量。并且返回的“m”没有保存、还原方法

我还尝试了

model.load

中的

tflearn

，但它也不起作用

二是与上述相关，如何保存模型。或者如何使用fit方法保存在/tmp/中的模型。（检查站）

我的问题可以概括为：

---

如何在tensorflow中使用

DNNLinearCombinedClassifier

时保存模型和恢复历史模型？

在

DNNLinearCombinedClassifier

中有一个名为

model\u dir

的参数：。只需将其指向存储模型检查点的目录。

谢谢您的评论！para model_dir不是保存此列车生成的模型的dir吗？或者加载模型的目录和保存模型的目录可以相同？如果回答是“是”，并且加载是自动加载最后一个模型？再次感谢。dir可用于在培训前加载模型检查点和在某些步骤后保存模型检查点。非常感谢。我有一个新问题，如果我想检查模型参数，我应该如何打印模型参数。我尝试了

graph_def=tf.GraphDef（）；graph_def.ParseFromString（f.read（））

但它给出了一个错误：google.protobuf.message.DecodeError:标记的导线类型无效。