如何保存和恢复tf.estimator.Estimator模型export_savedmodel？(

我最近开始使用Tensorflow，我试图让使用到tf.estimator.Estimator对象。我想做些什么先验很自然：之后被训练我的分类，即tf.estimator.Estimator的实例（与train方法），我想将它保存在一个文件（无论扩展名），然后重新加载后来预测标签的一些新的数据。由于官方文档建议使用API的估计，我想的东西是作为重要的应实施和记录。

我一些其他的网页上看到，做到这一点的方法是export_savedmodel （参见官方文档），但我根本不明白的文档。没有如何使用这种方法的解释。什么是参数serving_input_fn ？我从来没有在遇到它创建自定义估计教程或任何，我读的教程。通过做一些google搜索，我发现，大约一年前，其中使用其他类（定义的估计tf.contrib.learn.Estimator它看起来像tf.estimator.Estimator），并重新使用以前的一些的API。但我没有找到关于它的文件中明确的解释。

可能有人请给我一个玩具的例子吗？或解释我如何定义/找到这个serving_input_fn ？

然后，将如何再次加载训练过的分类？

谢谢您的帮助！

编辑：我发现了一个并不一定需要使用export_savemodel保存模型。它实际上是自动完成的。那么，如果我们以后再定义具有相同model_dir论证新估计，它也会自动恢复以前的估计，如解释在这里。

当你想通了，估计会自动保存在培训期间的恢复对您的模型。如果要部署你的模型的字段（例如提供Tensorflow服务的最佳模式）export_savemodel可能是有用的。

下面是一个简单的例子：

est.export_savedmodel(export_dir_base=FLAGS.export_dir, serving_input_receiver_fn=serving_input_fn)

def serving_input_fn(): inputs = {'features': tf.placeholder(tf.float32, [None, 128, 128, 3])} return tf.estimator.export.ServingInputReceiver(inputs, inputs)

基本上serving_input_fn负责与一个占位符替换数据集管线。在部署中，可以养活数据这个占位符输入到模型的推断或预测。