我已经训练了TensorFlow模型并保存了检查点，并希望将其部署到Google Cloud Platform。在模型部署documentation中，它表示您需要创建一个SavedModel。似乎others也使用检查点而不是SavedModel。
鉴于我已经花了很多时间训练该模型，并且只有检查点而不是SavedModel，是否可以使用一种方法来仍然部署模型，还是需要重新训练？
最佳答案
检查点将变量名称映射到张量值。就目前而言，这还不足以使更高级别的系统使用您的模型。另一方面，SavedModel是完整且不透气的。正如您在文章中链接到的answer中所明确指出的那样，SavedModel提供了服务TensorFlow模型所需的所有信息：一组MetaGraph，与这些Graph兼容的检查点以及所有必要的资产文件。如果您以这种方式看待，则有必要将模型导出到SavedModel以便将其部署到ML Engine。现在，这并不意味着您需要重新培训。您需要做的是wrap one of your checkpoints into a SavedModel。
关于python - 将TensorFlow Checkpoint部署到Google Cloud Platform，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48639129/