张量流估计器保存模型答案

【问题标题】：tensorflow estimator save model张量流估计器保存模型
【发布时间】：2020-05-07 11:48:52
【问题描述】：

我正在试验 character_rnn (https://github.com/tensorflow/tensorflow/blob/671baf080238025da9698ea980cd9504005f727c/tensorflow/examples/learn/text_classification_character_rnn.py) 的文本分类。

我怎样才能为它写一个 serving_input_fn ？我想保存和恢复这个模型

扩展代码保存但出现错误，请帮助

from tensorflow.contrib.learn.python.learn.utils import input_fn_utils
feature_spec = {"feature":tf.FixedLenFeature([100],tf.int64)}
serving_input_fn = input_fn_utils.build_parsing_serving_input_fn(feature_spec)

然后

classifier.export_savedmodel(export_dir_base='model', serving_input_receiver_fn=serving_input_fn)

得到这个错误

TypeError：无法将类型对象转换为张量。内容：{'功能'：}。考虑将元素转换为支持的类型。

请帮帮我。

【问题讨论】：

我正在使用 Tensorflow 1.15 请在此处找到代码 sn-p (gist.github.com/neuralminds/ea46e94faebc2beb7af20a0b609f1485)。我已将经过训练的模型导出为 .pb 文件，但在尝试恢复推理时会引发错误。

标签： tensorflow tensorflow-serving tensorflow-estimator

【解决方案1】：

serving_fn 要求功能为 tensor。

请看下面的示例：

def serving_fn():
    day_of_month      = tf.Variable([], dtype=tf.int64, name='DAY_OF_MONTH')
    day_of_week       = tf.Variable([], dtype=tf.int64, name='DAY_OF_WEEK')
    tail_num          = tf.Variable([], dtype=tf.string,name='TAIL_NUM')
    op_carrier_fl_num = tf.Variable([], dtype=tf.int64, name='OP_CARRIER_FL_NUM')
    origin_airport_id = tf.Variable([], dtype=tf.int64, name='ORIGIN_AIRPORT_ID')
    dest_airport_id   = tf.Variable([], dtype=tf.int64, name='DEST_AIRPORT_ID')
    dep_time_blk      = tf.Variable([], dtype=tf.string,name='DEP_TIME_BLK')

    reqd_inputs =  {'DAY_OF_MONTH':day_of_month,
                    'DAY_OF_WEEK':day_of_week,
                    'TAIL_NUM':tail_num,
                    'OP_CARRIER_FL_NUM':op_carrier_fl_num,
                    'ORIGIN_AIRPORT_ID':origin_airport_id,
                    'DEST_AIRPORT_ID':dest_airport_id,
                    'DEP_TIME_BLK':dep_time_blk}

    fn = tf.estimator.export.build_raw_serving_input_receiver_fn(reqd_inputs)
    return fn

根据您的特征和数据类型，您需要将它们转换为相应的张量。

如果有帮助，上述示例可作为 Kaggle 笔记本在：https://www.kaggle.com/jintolonappan/gbm-tf2-boostedtreesclassifier-export-to-serve 获得

【讨论】：