在張量流中，當我使用DNNLinearClassifier [wide_n_deep_tutorial.py]時，如何恢復訓練出的歷史模型並在其上訓練基礎

Question

我正在學習張量流中的Google wide and deep model。

我的代碼是根據tf example修改的。

我的問題是：

1. 如何載入歷史模型，培養基於它的新樣本。我在網上搜索了很多，但大多數方法類似於下面的代碼。保護程序

   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") 
   

   的

   實例但在wide_n_deep列車，它定義了一個方法 「build_estimator」 返回：

   m = tf.contrib.learn.DNNLinearCombinedClassifier。

   當我使用上面的方法來定義一個保存程序時，它給出了錯誤，沒有保存Varibles。並且「m」返回沒有保存，恢復方法。

   我也嘗試model.load在tflearn，但它也不起作用。

2. 二是與以上相關，如何保存模型。或者如何使用適合方法保存在/ tmp /中的模型。 （檢查站）

我的問題可以概括爲：

如何保存模型和還原歷史模型，當我在tensorflow使用DNNLinearCombinedClassifier？

Answer 1

DNNLinearCombinedClassifier：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/learn/python/learn/estimators/dnn_linear_combined.py#L476有一個參數model_dir。只需將它指向您存儲模型檢查點的目錄即可。