我是机器学习的新手，但这个主题对我来说很有意思，所以我使用TensorFlow对来自MNIST数据集的一些图像进行分类...我在Google Cloud上的计算引擎（VM）上运行此代码，因为我的电脑对此很弱。并且代码实际运行良好，但问题是，当我每次进入我的VM并运行相同的代码时，我需要等待我的模型在CNN上进行训练，并且在我可以进行一些测试或试验我的数据之后绘制或导入一些外部图像以提高我的准确性等。
是否有一些方法可以保存我的trainin模型的结果只有一次，有些地方，当我决定明天进入同一个VM时......在我的模型训练时不要再等了。这可能吗？
或者可能有其他方法可以做类似的事情？
答案 0 :(得分：1)
您可以在TensorFlow中保存经过训练的模型，然后通过加载它来使用它;这样你只需要训练一次你的模型，并根据需要多次使用它。为此，您可以关注该主题的TensorFlow documentation，在那里可以找到有关如何保存和加载模型的信息。简而言之，您必须使用 SavedModelBuilder 类来定义已保存模型的类型和位置，然后添加要保存的 MetaGraphs 和变量。加载保存的模型以便后用法更加容易，因为您只需要运行指向导出模型的文件位置的命令。
另一方面，我强烈建议您改变工作环境，使其更有利可图。在Google Cloud中，您拥有Cloud ML Engine服务，这可能对您正在开发的工作类型有所帮助。它允许您训练模型并执行预测，而无需运行所有必需软件的实例。我最近在TensorFlow上做了一些工作，起初我也在使用虚拟化实例，但是在完成了一些教程之后我通过将我的工作迁移到ML Engine来节省了一些钱，因为你只是{{ 3}}。如果您仅为此目的使用VM，请查看它。
您当然可以查阅所有可用的文档，但作为第一个快速入门，如果您对ML Engine感兴趣，我建议您查看charged for the usage和how to train your models。