关键步骤操作参考如下。

查看训练结果：

如果要将稀疏表数据导出npy格式，可以调用export接口。

如果要导出pb模型文件，可以调用estimator的export_saved_model接口，示例如下：

import os
import tensorflow as tf
if tf.__version__.startswith("1"):
    from npu_bridge.npu_init import NPURunConfig, NPUEstimator
else:
    from npu_device.compat.v1.npu_init import NPURunConfig, NPUEstimator
# 可参见Estimator迁移章节的“运行配置”和“创建Estimator对象”
run_config = NPURunConfig(...)
est = NPUEstimator(...)
# 通常在调用完train或train_and_evaluate之后调用export_saved_model接口
def _serving_input_fn():
    # 根据具体业务模型进行调整，下面以little demo estimator模型的输入为例
    inputs = {
        "user_ids": tf.compat.v1.placeholder(shape=(None, 32), dtype=tf.int64, name="user_ids"),
        "item_ids": tf.compat.v1.placeholder(shape=(None, 8), dtype=tf.int64, name="item_ids"),
        "label_0": tf.compat.v1.placeholder(shape=(None,), dtype=tf.float32, name="label_0"),
        "label_1": tf.compat.v1.placeholder(shape=(None,), dtype=tf.float32, name="label_1"),
    }
    return tf.estimator.export.ServingInputReceiver(features=inputs, receiver_tensors=inputs)
target_pb_path = os.path.abspath("pb_model_path")
# 调用estimator的export_saved_model接口进行pb保存
export_path = est.export_saved_model(target_pb_path, _serving_input_fn).decode("utf-8")
print(f"The export saved model path is {export_path}.")

调用terminate_config_initializer接口关闭数据流释放资源。

完成训练并查看结果