我是TensorFlow的新手，正在尝试将我的一个scikit-learn模型转换为TensorFlow的表示方式，但发现这非常复杂。
在scikit-learn中，你只需调用model.dump("ModelName.pkl")来保存模型，并调用joblib.load("ModelName.pkl")来再次使用它。我试图在TensorFlow中做类似的事情，但遇到了以下错误：
Traceback (most recent call last): File "/Users/user0/Desktop/IPML_Model/tensorflow_model_train.py", line 39, in <module> saver = tf.train.Saver() File "/Library/Python/2.7/site-packages/tensorflow/python/training/saver.py", line 1139, in __init__ self.build() File "/Library/Python/2.7/site-packages/tensorflow/python/training/saver.py", line 1161, in build raise ValueError("No variables to save")ValueError: No variables to save我只想用get_training_data()训练模型，保存它，然后加载它以便我可以调用predict。这是我目前的代码：
def get_training_data(): X, y = preprocess_data() X_train, _, y_train, _ = train_test_split(X, y, test_size=0.2, random_state=123) feature_set = {f: tf.constant(X_train[f]) for f in features} label_set = tf.constant(y_train) return feature_set, label_set# 启动会话sess = tf.Session()# 初始化DNNRegressor模型feature_cols = [real_valued_column(k) for k in features]dnn_regressor = DNNRegressor(feature_columns=feature_cols, hidden_units=[50, 50], label_dimension=7, model_dir=os.getcwd())# 训练模型dnn_regressor.fit(input_fn=lambda: get_training_data(), steps=5000)# 保存模型saver = tf.train.Saver()saver.save(sess, "dnnregressor.ckpt")在拟合后，我可以在dnnregressor上调用predict，这不需要“变量”，但我想先保存模型，然后再调用predict。最简单、最基础的做法是什么？
回答：
当你调用以下代码时，模型已经保存到了model_dir中：
dnn_regressor = DNNRegressor(feature_columns=feature_cols, hidden_units=[50, 50], label_dimension=7, model_dir=os.getcwd())现在在inference过程中，你再次调用上述代码，它会从model_dir中加载模型，然后调用dnn_regressor.predict()函数。
