RESTful APIを使用してクラウドにトレーニング ジョブを送信しましたが、正常に完了したことをコンソール ログで確認できます。モデルをデプロイして予測に使用するために、(ハウツー ガイドtf.train.Saver().save()に従って) を使用して最終モデルを保存しました。
ローカルで実行すると、作業ディレクトリにグラフ ファイル (export-*および) が見つかります。export-*.metaしかし、クラウド上で実行すると、それらがどこに行き着くのかわかりません。API には、これを指定するためのパラメーターがないようです。トレーナー アプリのバケットにはありません。また、ジョブによって作成されたクラウド ストレージに一時的なバケットが見つかりません。
Cloud ML 環境をセットアップするときは、この目的のためにバケットをセットアップします。あなたはそこを見ましたか？
https://cloud.google.com/ml/docs/how-tos/getting-set-up
編集 (将来の記録用): Robert がコメントで述べたように、出力場所を引数としてジョブに渡す必要があります。次の点に注意してください。
ジョブごとに一意の出力場所を使用して、あるジョブが別のジョブの出力を上書きしないようにします。
親出力パスを指定し、それを使用して、エクスポートされたモデルを「モデル」と呼ばれるサブパスに含め、そのパス内のチェックポイントやサマリーなどの他の出力を整理することをお勧めします。これにより、すべての出力の管理が容易になります。
必須ではありませんが、出力のパッケージ サブパスにトレーニング コードをステージングすることもお勧めします。これにより、ソースとそれが生成する出力を関連付けることができます。
最後に (!)、ハイパーパラメータ調整を使用する場合は、個々の実行によって生成される出力の出力パスにトライアル ID を追加する必要があることにも注意してください。