Question

在我使用AWS SageMaker训练并部署了模型之后，我想在多个csv文件上对其进行评估：

- category-1-eval.csv (~700000 records)
- category-2-eval.csv (~500000 records)
- category-3-eval.csv (~800000 records)
...

正确的方法是使用Estimator.evaluate()方法，因为它很快。

问题是-我找不到将SageMaker模型还原到Tensorflow Estimator中的方法吗？

我试图恢复这样的模型：

tf.estimator.DNNClassifier(
    feature_columns=...,
    hidden_units=[...],
    model_dir="s3://<bucket_name>/checkpoints",
)

在AWS SageMaker文档中描述了一种不同的方法-to test the actual endpoint from the Notebook-但是这需要花费大量时间，并且需要对端点进行大量API调用。

Answer 1

如果您使用内置的Tensorflow容器，则您的模型已保存为Tensorflow服务格式，例如：

$ tar tfz model.tar.gz
model/
model/1/
model/1/saved_model.pb
model/1/variables/
model/1/variables/variables.index
model/1/variables/variables.data-00000-of-00001

您可以使用Tensorflow Serving轻松地在本地计算机上加载它，并将其发送给样本以进行预测。有关更多信息，请访问https://www.tensorflow.org/tfx/guide/serving

在受过训练的鼠尾草张量流模型上使用Estamator.evaluate（）

1 个答案: