从Tensorflow模型生成SavedModel，在Google Cloud ML上提供服务

我使用tfhub重新训练了一个用于图像分类的模型。现在我想在云端为它服务。为此，我需要一个

SavedModel

。来自TF Hub的脚本使用

TF.saved\u model.simple\u save

在训练完成后生成

SavedModel

让我困惑的是，我从该方法获得的SavedModel文件夹中的.pb文件比培训后保存的最终.pb文件小得多

simple\u save

现在也被弃用了，我尝试在培训结束后获取我的

SavedModel

---

但是我的

变量文件夹

为空。如何将

SavedModel

的构建合并到

retain.py

中以取代简单的保存方法？非常感谢您的提示。

要将您的模型部署到Google Cloud ML，您需要一个SavedModel，它可以从

tf.saved\u model

api生成

以下是使用cloud ML Engine在云中托管经过培训的模型的步骤

使用

bucket\u NAME=“your\u bucket\u NAME”

为bucket选择一个区域并设置一个

区域

环境变量。

EGION=us-central1

创建一个新的bucket

gsutil mb-l$REGION gs://$bucket\u NAME

使用上载

SAVED_MODEL_DIR=$（ls./your export DIR base | tail-1）
gsutil cp-r$SAVED\u MODEL\u DIR gs://your bucket

创建云ML引擎模型资源和模型版本

同样，对于将savedmodel合并到retain.py中的问题，您需要将saved model作为参数传递给

tfhub\u模块

行，如下所示

python retain.py--image\u dir C:…\\code\\n在此处给出路径--tfhub\u模块C:

---

…给出保存的模型目录的路径

您好，您是否在Cloud ML Engine中对模型进行了培训？否！我在当地接受培训，我只想使用云计算进行预测。我不太熟悉您的问题细节。但是这个文档可能会对你有所帮助：这些帖子也可能会有帮助：stackoverflow.com/a/44292448/1399222，所以最好总结一下你在回答中包含的任何链接的内容，以防链接停止工作。谢谢你的建议。我删除了链接（我之前提到过），并添加了有用的内容。这会更有帮助。