我已经使用RESTful API 向云端提交了一个训练作业，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tf.train.Saver().save()（根据how-to guide）保存了最终模型。
在本地运行时，我可以在工作目录中找到图形文件（export-* 和export-*.meta）。然而，当在云上运行时，我不知道它们最终会在哪里。 API似乎没有指定这个的参数，它不在教练应用程序的存储桶中，我在作业创建的云存储上找不到任何临时存储桶。
【问题讨论】：
标签： google-cloud-ml
在设置 Cloud ML 环境时，您为此设置了一个存储分区。你进去看过吗？
https://cloud.google.com/ml/docs/how-tos/getting-set-up
编辑（供将来记录）：正如 Robert 在 cmets 中提到的，您需要将输出位置作为参数传递给作业。需要注意的几点：
对每个作业使用唯一的输出位置，这样一个作业就不会影响另一个作业的输出。
建议指定父输出路径，并使用它将导出的模型包含在名为“模型”的子路径中，并在该路径中组织检查点和摘要等其他输出。这样可以更轻松地管理所有输出。
虽然不是必需的，但我还建议将训练代码暂存到输出的包子路径中，这有助于将源代码与其产生的输出相关联。
最后（！），还请记住，当您使用超参数调整时，您需要将试验 ID 附加到输出路径中，以获取由单个运行产生的输出。
【讨论】：