我有一个2gb Tensorflow模型，我想把它添加到我在App Engine上的Flask项目中，但我似乎找不到任何说明我试图做什么的文档。
由于应用程序引擎不允许写入文件系统，我将模型的文件存储在Google Bucket中，并试图从中恢复模型。这些是那里的文件：
- 型号.ckpt.data00000-of-00001
- 型号.ckpt.index
- 模型.ckpt.meta
- 检查点
在本地工作，我只能使用
with tf.Session() as sess:
logger.info("Importing model into TF")
saver = tf.train.import_meta_graph('model.ckpt.meta')
saver.restore(sess, model.ckpt)
其中，使用Flask的@before_first_request将模型加载到内存中。
一旦它在应用程序引擎上，我认为我可以做到这一点：
blob = bucket.get_blob('blob_name')
filename = os.path.join(model_dir, blob.name)
blob.download_to_filename(filename)
然后执行相同的恢复。但应用引擎不允许。
有没有办法将这些文件流式传输到Tensorflow的恢复函数中，这样文件就不必写入文件系统？
Dan Cornelscu提供了一些技巧并深入研究后，我发现Tensorflow使用一个名为ParseFromString的函数构建了MetaGraphDef，因此我最终做了以下操作：
from google.cloud import storage
from tensorflow import MetaGraphDef
client = storage.Client()
bucket = client.get_bucket(Config.MODEL_BUCKET)
blob = bucket.get_blob('model.ckpt.meta')
model_graph = blob.download_as_string()
mgd = MetaGraphDef()
mgd.ParseFromString(model_graph)
with tf.Session() as sess:
saver = tf.train.import_meta_graph(mgd)
我实际上并没有使用Tensorflow，答案是基于文档和GAE相关知识。
一般来说，使用GCS对象作为GAE中的文件以避免缺乏可写文件系统访问依赖于两种替代方法之一，而不是仅通过文件名由您的应用程序代码(和/或它可能使用的任何第三方实用程序/库(直接读/写(这不能用GCS对象完成(：
-
使用已打开的文件类处理程序从GCS读取/写入数据。您的应用程序将通过使用以下任一项获得：
- 来自GCS客户端库的
open调用，而不是通常用于常规文件系统的通用调用。例如，请参阅编写CSV以存储在Google Cloud Storage中，或将python对象pickle到Google Cloud Storage - 一些内存中的文件伪造，使用类似
StringIO的东西，请参阅如何在不向python中的文件系统写入任何内容的情况下压缩或标记静态文件夹？。内存中的伪文件还可以方便地访问原始数据，以防需要在GCS中持久化，见下文
- 来自GCS客户端库的
-
直接使用或仅生成相应的原始数据，您的应用程序将完全负责从GCS读取/写入GCS(再次使用GCS客户端库的
open调用(，请参阅如何在gae云上打开gzip文件？
在您的特定情况下，tf.train.import_meta_graph()调用似乎支持传递MetaGraphDef协议缓冲区(即原始数据(，而不是应该从中加载的文件名：
Args:
meta_graph_or_file:MetaGraphDef协议缓冲区或包含MetaGraphDef的文件名(包括路径(
因此，从GCS恢复模型应该是可能的，大致如下：
import cloudstorage
with cloudstorage.open('gcs_path_to_meta_graph_file', 'r') as fd:
meta_graph = fd.read()
# and later:
saver = tf.train.import_meta_graph(meta_graph)
然而，从快速文档扫描保存/检查点到GCS的模式可能很棘手，save()似乎想将数据写入磁盘本身。但我没有挖得太深。