我是TensorFlow的新手，我正试图将我的scikit-learn模型转换为TensorFlow符号，但我发现它过于复杂 .
在scikit-learn中，您只需调用 model.dump("ModelName.pkl") 来保存模型并调用 joblib.load("ModelName.pkl") 再次使用它 . 我试图用TensorFlow做类似的事情，但我收到以下错误：
Traceback (most recent call last):
File "/Users/user0/Desktop/IPML_Model/tensorflow_model_train.py", line 39, in <module>
saver = tf.train.Saver()
File "/Library/Python/2.7/site-packages/tensorflow/python/training/saver.py", line 1139, in __init__
self.build()
File "/Library/Python/2.7/site-packages/tensorflow/python/training/saver.py", line 1161, in build
raise ValueError("No variables to save")
ValueError: No variables to save
我想做的就是用 get_training_data() 训练模型，保存它，然后加载它，这样我就可以调用 predict . 这是我有的：
def get_training_data():
X, y = preprocess_data()
X_train, _, y_train, _ = train_test_split(X, y, test_size=0.2, random_state=123)
feature_set = {f: tf.constant(X_train[f]) for f in features}
label_set = tf.constant(y_train)
return feature_set, label_set
# Start a session
sess = tf.Session()
# Initialize a DNNRegressor model
feature_cols = [real_valued_column(k) for k in features]
dnn_regressor = DNNRegressor(feature_columns=feature_cols, hidden_units=[50, 50], label_dimension=7, model_dir=os.getcwd())
# Train the model
dnn_regressor.fit(input_fn=lambda: get_training_data(), steps=5000)
# Save the model
saver = tf.train.Saver()
saver.save(sess, "dnnregressor.ckpt")
我可以在拟合之后在 dnnregressor 上调用 predict 并且不需要"Variables"，但我想首先保存模型然后调用预测 . 什么是最简单，最简单的方法呢？
1 回答
当你打电话时，模型保存在
model_dir中：现在在
inference期间再次调用上面的内容，它将从model_dir加载模型，然后调用dnn_regressor.predict()函数 .