如何使用saved_model API定期保存tensorflow模型？

所以出于各种原因（例如它的语言独立性）我想使用tensorflow的保存的模型 https://www.tensorflow.org/programmers_guide/saved_model#apis_to_build_and_load_a_savedmodel用于保存/加载模型的 API。我可以通过调用来保存所有内容（并成功恢复）builder.add_meta_graph_and_variables()在训练结束时，但我没有看到任何定期保存的方法。关于这方面的 Tensorflow 文档非常稀疏，并且他们提供的模板代码（here https://www.tensorflow.org/api_docs/python/tf/saved_model/builder/SavedModelBuilder）对我没有帮助：

...
builder = tf.saved_model.builder.SavedModelBuilder(export_dir)

with tf.Session(graph=tf.Graph()) as sess:
  ...
  builder.add_meta_graph_and_variables(sess,
                                  ["foo-tag"],
                                  signature_def_map=foo_signatures,
                                  assets_collection=foo_assets)
...

with tf.Session(graph=tf.Graph()) as sess:
  ...
  builder.add_meta_graph(["bar-tag", "baz-tag"])
...

builder.save()

Calling builder.save()不将新变量保存到模型中。它只是更新模型 protobuf。

我缺少什么？例如，我如何保存第 n 个纪元使用saved_model?

好吧，看完tensorflow代码后here https://github.com/tensorflow/tensorflow/blob/r1.6/tensorflow/python/saved_model/builder_impl.py而在其他地方，答案似乎是“你不能”。SavedModelBuilder实际上只是为训练阶段之外的模型设计的，它允许您添加元图并选择要加载/保存的变量集（即训练与服务），但仅此而已。SavedModelBuilder.add_meta_graph_and_variables，例如，只能被调用一次，并且没有SavedModelBuilder.update_variables或类似的东西。另一方面，在训练时，您需要使用Saver类并保存检查点和那些关联的文件。我不知道为什么没有一个统一的系统，但显然就是这样。