如何保存Tensorflow编码器-解码器模型？

我接着构建了一个编码器-解码器语言翻译模型，并为我的母语构建了一个模型

现在我想保存它，部署在CloudML引擎上，并使用HTTP请求进行预测

我找不到关于如何保存此模型的清晰示例

我是ML的新手，发现v令人困惑

有没有一种方法可以使用以下内容保存此模型

---

在打开课程并完成培训后创建列车保护程序，保存模型：

with tf.Session() as sess:
     saver = tf.train.Saver()
     # Training of the model
     save_path = saver.save(sess, "logs/encoder_decoder")
     print(f"Model saved in path {save_path}")

---

可以将Keras模型保存为Keras的HDF5格式，请参见：

您将需要执行以下操作：

import tf.keras
model = tf.keras.Model(blah blah)
model.save('my_model.h5')

如果迁移到TF 2.0，那么在TF.keras中构建模型并使用TF SavedModel格式进行部署就更简单了。本2.0教程展示了如何使用预训练的tf.keras模型，以SavedModel格式保存模型，部署到云，然后执行HTTP预测请求：

---

Hi@UpaJah，我不知道该怎么走。一些非平凡的模型，如编码器-解码器，在keras中没有出现。所以，当keras为您处理会话时，在tf中，您应该显式地控制它。（这里解释了

Saver

类，您的链接也不短，但如果您必须使用tensorflow，则相当不错。这对我来说很有帮助tf@MikhailStepanov谢谢，我想我会用Tensorlflow建立模型。嗨，@UpaJah。你明白了吗？我现在也有同样的问题，正在寻找解决办法。你能给我一些建议吗？我正在使用tensorflow的渴望模式，代码将如何准确地工作？我想我需要在Tensorflow图中再次编写代码