我对张量流非常陌生，尤其是 2.0，因为没有足够的关于该 API 的示例，但它似乎比 1.x 方便得多到目前为止，我设法使用 tf.estimator api 训练线性模型，然后设法保存它使用 tf.estimator.exporter。
之后，我想使用 tf.saved_model api 加载这个模型，我想我成功了，但我对我的程序有一些疑问，所以这里快速浏览一下我的代码：
所以我有一个使用 tf.feature_column api 创建的功能数组，它看起来像这样：
feature_columns =
[NumericColumn(key='geoaccuracy', shape=(1,), default_value=None, dtype=tf.float32, normalizer_fn=None),
NumericColumn(key='longitude', shape=(1,), default_value=None, dtype=tf.float32, normalizer_fn=None),
NumericColumn(key='latitude', shape=(1,), default_value=None, dtype=tf.float32, normalizer_fn=None),
NumericColumn(key='bidfloor', shape=(1,), default_value=None, dtype=tf.float32, normalizer_fn=None),
VocabularyListCategoricalColumn(key='adid', vocabulary_list=('115', '124', '139', '122', '121', '146', '113', '103', '123', '104', '147', '114', '149', '148'), dtype=tf.string, default_value=-1, num_oov_buckets=0),
VocabularyListCategoricalColumn(key='campaignid', vocabulary_list=('36', '31', '33', '28'), dtype=tf.string, default_value=-1, num_oov_buckets=0),
VocabularyListCategoricalColumn(key='exchangeid', vocabulary_list=('1241', '823', '1240', '1238'), dtype=tf.string, default_value=-1, num_oov_buckets=0),
...]
之后，我以这种方式使用我的特征列数组定义一个估计器，并训练它。直到这里，没问题。
linear_est = tf.estimator.LinearClassifier(feature_columns=feature_columns)
训练我的模型后，我想保存它，所以这里开始产生疑问，这是我的操作方式，但不确定这是正确的方法： …