在保存训练模型时，通常是将模型的权重参数保存为一个.pb文件。而.pbtxt文件是一个文本文件，用于保存模型的网络结构信息。如果保存完训练模型后缺少.pbtxt文件，可以通过以下代码示例进行解决：

import tensorflow as tf

# 构建模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(10, activation='softmax')
])

# 训练模型
model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=10)

# 保存模型权重参数
model.save('model.h5')

# 保存模型的网络结构信息为.pbtxt文件
tf.io.write_graph(tf.compat.v1.keras.backend.get_session().graph_def, '.', 'model.pbtxt')

在上述代码中，首先构建了一个简单的模型，然后进行训练，并保存了模型的权重参数为model.h5文件。接着使用tf.io.write_graph()函数将模型的网络结构信息保存为model.pbtxt文件。

这样，通过上述代码示例，你可以在保存完训练模型后得到一个.pbtxt文件，包含了模型的网络结构信息。