我們正在嘗試使用TensorFlow示例中的文本分類示例（tensorflow/examples/learn/text_classification.py）。它適用於db_pedia數據。從tensorflow tensorflow保存示例文本分類模型/ examples/learn/text_classification.py
現在我們試圖使用Saver保存/恢復模型，但我們沒有獲取使用Saver API的位置，因爲text_classification.py中的代碼根本不使用Session，並且Saver API需要會話來保存/恢復。
該示例使用tf.estimator.Estimator，其具有用於保存的特殊方法 export_savedmodel。
此外，您可以指定model_dir在constructor：
Directory to save model parameters, graph and etc. This can also be used to load checkpoints from the directory into a estimator to continue training a previously saved model. If None, the model_dir in config will be used if set. If both are set, they must be same. If both are None, a temporary directory will be used.
我們訓練有素的使用model_dir模型，並嘗試使用相同model_dir預測。模型保存但試圖預測時（訓練代碼評論），出現錯誤： InvalidArgumentError（請參閱上面的追溯）：分配要求兩個張量的形狀匹配。 lhs shape = [10,50] rhs shape = [5386,50] [[Node：save/Assign = Assign [T = DT_FLOAT，_class = [「loc：@ EmbedSequence/embeddings」]，use_locking = true，validate_shape = true，_device =「/ job：localhost/replica：0/task：0/cpu：0」]（EmbedSequence/embeddings，save/RestoreV2）]] –
已在此提交bug：https：//github.com/tensorflow/ tensorflow /問題/ 13971 –