我可以使用Estimator API生成预测而无需训练步骤（例如：KNN）吗？

Question

我试图通过创建自定义Estimator使用tf.estimator API设置KNN。 KNN没有训练的概念，所以我只想定义一个Prediction步骤。

我试图将其设置为：

def input_fn():
    train_data = np.random.sample((100, 2))
    data = tf.data.Dataset.from_tensor_slices(train_data)
    return data

def model_fn(features, labels, mode, params, config):    
    k=10
    distance = tf.reduce_sum(tf.abs(tf.subtract(features, tf.expand_dims(features, 1))), axis=2)
    _, top_k_indices = tf.nn.top_k(tf.negative(distance), k=k)    
    return tf.estimator.EstimatorSpec(mode, predictions=top_k_indices)

run_config = tf.estimator.RunConfig(save_summary_steps=None,
                                    save_checkpoints_secs=None)
estimator = tf.estimator.Estimator(model_fn, config=run_config)

next(estimator.predict(input_fn))

但是我收到错误ValueError: Could not find trained model in model_dir: /tmp/tmpPGjIhN.

我希望该模型无需训练即可通过仅返回在model_fn中定义的10个最近邻居来进行预测。我们无需训练即可初始化权重。