在Cloud Machine Learning Engine运行TensorFlow代码无输出问题排查

你的问题根源很明确：代码里硬编码了模型保存路径，没有和gcloud命令中指定的--job-dir关联起来。不管是本地训练还是Cloud ML Engine云端训练，程序都需要读取这个参数对应的环境变量，才能把模型保存到你期望的位置。

下面是具体的修复步骤，分本地和云端两种场景说明：

1. 核心修改：让代码读取JOB_DIR环境变量 #

首先在你的训练脚本里，不要写死./my_mnist_model.ckpt这种路径，而是从环境变量中获取gcloud传入的JOB_DIR值：

import os
import tensorflow as tf

# 读取JOB_DIR环境变量，本地调试时默认用当前目录兜底
job_dir = os.environ.get('JOB_DIR', './')

# （你的模型训练逻辑...）

# 修改模型保存路径，基于job_dir生成
saver = tf.train.Saver()
save_path = saver.save(sess, os.path.join(job_dir, "my_mnist_model.ckpt"))
print(f"模型已保存到: {save_path}")

这样修改后，代码会自动适配本地和云端的路径配置，不用每次手动改路径。

2. 本地训练的命令调整 #

你的本地命令写法没问题，但要确保MODEL_DIR变量正确传递给训练脚本。如果是bash环境，两种写法都可以：

# 写法1：临时设置变量并执行命令
MODEL_DIR=output gcloud ml-engine local train --module-name trainer.task --package-path trainer/ --job-dir $MODEL_DIR

# 写法2：先导出变量再执行
export MODEL_DIR=output
gcloud ml-engine local train --module-name trainer.task --package-path trainer/ --job-dir $MODEL_DIR

执行后，模型文件就会生成在output目录下，而不是当前工作目录。

3. Cloud ML Engine云端训练的注意事项 #

云端训练时，--job-dir必须指定一个GCS存储桶路径（比如gs://your-bucket-name/training-output），同时要确保你的服务账号拥有这个存储桶的写入权限。

修改后的代码会自动识别GCS路径，TensorFlow原生支持向GCS写入模型文件，不需要额外配置，只要权限正确，训练完成后就能在指定的存储桶路径下看到模型文件和检查点。

4. 快速验证路径是否正确 #

可以在代码里加一行打印，确认job_dir是否正确读取到了命令传入的值：

print(f"当前配置的模型保存路径: {job_dir}")

本地训练时会输出output，云端训练时会输出你指定的GCS路径，方便快速排查配置问题。

内容的提问来源于stack exchange，提问作者user912830823