В тензорном потоке, когда я использую DNNLinearClassifier [wide_n_deep_tutorial.py], как восстановить модель истории, обученную и обучать базу на ней

Question

Я изучал Google wide and deep model в тензорном потоке.

Мой код изменен на основе tf example.

Мой вопрос:

1. Как загрузить историю модели, и поезд нового образца на его основе. Я искал много в Интернете, но большинство методов похожи на следующий код.

   Примеры заставки

   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") 
   

   Но в wide_n_deep поезде, это определить метод "build_estimator", который возвращает:

   m = tf.contrib.learn.DNNLinearCombinedClassifier.

   Когда я использую метод выше, чтобы определить сберегатель, он дал ошибку, чтобы не сохранять Varibles. И возвращенный «m» не имеет метода сохранения, восстановления.

   Я также попробовал model.load в tflearn, но это также не работает.

2. Второе связано с выше, как сохранить модель. Или как использовать модель, которую метод подгонки сохранен в/tmp /. (Контрольная точка)

Мой вопрос можно резюмировать следующим образом:

Как сохранить модель и восстановить историю модели, когда я использую DNNLinearCombinedClassifier в tensorflow?

Answer 1

Существует аргумент model_dir: DNNLinearCombinedClassifier: https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/learn/python/learn/estimators/dnn_linear_combined.py#L476. Просто укажите его в каталог, где вы храните контрольную точку модели.