我正在尝试将我的本地Tensorflow模型导出，以便在Google Cloud ML上使用并进行预测。

我正在参考tensorflow服务的mnist数据示例。他们处理和使用输入/输出向量的方式与典型的在线示例有很大不同。

我不确定如何设置我的签名参数：

model_exporter.init(    sess.graph.as_graph_def(),    init_op = init_op,    default_graph_signature = exporter.classification_signature(        input_tensor = "**不确定**" ,        scores_tensor = "**不确定**"),    named_graph_signatures = {        'inputs' : "**不确定**",        'outputs': "**不确定**"    }    )model_exporter.export(export_path, "**不确定**", sess)

这是我的代码的其余部分：

将此模型上传并在Google Cloud ML上使用的确切步骤是什么？他们的指南似乎是针对在云端训练的模型，而不是本地机器上的模型。

回答：

Tensorflow Serving和Google Cloud ML是两件不同的事情，不要混淆。Cloud ML是一个完全托管的解决方案（机器学习即服务），而TF Serving需要你设置和维护你的基础设施 – 它只是一个服务器。它们是无关的，并且在输入/输出处理方面有不同的要求。

你应该参考的指南是这个。你不需要使用图形签名，而是将输入和输出添加到集合中。你的代码中的更改将会是这样的：

我对你的代码进行了一些调整（实际上并未测试），但这应该能给你一个起点。