我已使用RESTful API向云提交了培训工作，并在console logs中看到它已成功完成。为了部署模型并将其用于预测，我使用imageupload.field.upload_to保存了最终模型（根据how-to guide）。
在本地运行时，我可以在工作目录中找到图形文件（tf.train.Saver().save()和export-*）。然而，当在云上运行时，我不知道他们最终会在哪里。 API似乎没有用于指定此参数的参数，它不在教师应用程序的存储桶中，并且我无法在作业创建的云存储上找到任何临时存储桶。
答案 0 :(得分：3)
设置Cloud ML环境时，为此设置了一个存储桶。你在那里看过吗？
https://cloud.google.com/ml/docs/how-tos/getting-set-up
编辑（用于将来的记录）：正如罗伯特在评论中提到的那样，您希望将输出位置作为参数传递给作业。要注意的事情：
每个作业使用一个唯一的输出位置，因此一个作业不会破坏另一个作业的输出。
建议指定父输出路径，并使用它在名为＆＃39; model＆＃39;的子路径中包含导出的模型，以及在该路径中组织其他输出，如检查点和摘要。这样可以更轻松地管理所有输出。
虽然不是必需的，但我还建议在输出的包子路径中暂存训练代码，这有助于将源与其产生的输出相关联。
最后（！），在使用超参数调整时也要记住，您需要将试验ID附加到输出路径，以便为各个运行产生的输出。