我的用例: 我正在尝试使用libtensorflow_jni在我们现有的JVM服务中为python训练的模型提供服务。
现在我可以使用SavedModelBundle.load()
加载模型了。但我发现很难将请求提供给模型。由于我的用户请求不仅仅是标量矩阵,而是功能映射,例如:
{'gender':1, 'age': 20, 'country': 100, other features ...}
通过搜索张量流教程,我发现Example协议缓冲区可能适用于此处,因为它基本上包含一系列功能。但我不确定如何将其转换为Java Tensor对象。
如果我直接使用序列化的Example对象创建Tensor,TensorFlow运行时似乎对数据类型不满意。例如,我做了以下,
Tensor inputTensor = Tensor.create(example.toByteArray());
s.runner().feed(inputTensorName, inputTensor).fetch(outputTensorName).run().get(0);
我将收到IllegalArgumentException:
java.lang.IllegalArgumentException: Expected serialized to be a vector, got shape: []
如果你碰巧知道或有相同的使用案例,你们能否解释一下如何从这里向前推进?
谢谢!
答案 0 :(得分:1)
查看您的错误消息,问题似乎是您的模型期望字符串张量向量(很可能对应于一批序列化Example
协议缓冲区消息,可能来自tf.parse_example
)但是你正在喂它一个标量弦张量。
不幸的是,在解决issue #8531之前,Java API没有办法创建除标量之外的Tensor
个字符串。一旦问题得到解决,事情就会变得更容易。
与此同时,你可以通过构建一个TensorFlow“模型”来将你的标量字符串转换为大小为1的向量来解决这个问题。这可以通过以下方式完成:
// A TensorFlow "model" that reshapes a string scalar into a vector.
// Should be much prettier once https://github.com/tensorflow/tensorflow/issues/7149
// is resolved.
private static class Reshaper implements AutoCloseable {
Reshaper() {
this.graph = new Graph();
this.session = new Session(graph);
this.in =
this.graph.opBuilder("Placeholder", "in")
.setAttr("dtype", DataType.STRING)
.build()
.output(0);
try (Tensor shape = Tensor.create(new int[] {1})) {
Output vectorShape =
this.graph.opBuilder("Const", "vector_shape")
.setAttr("dtype", shape.dataType())
.setAttr("value", shape)
.build()
.output(0);
this.out =
this.graph.opBuilder("Reshape", "out").addInput(in).addInput(vectorShape).build().output(0);
}
}
@Override
public void close() {
this.session.close();
this.graph.close();
}
public Tensor vector(Tensor input) {
return this.session.runner().feed(this.in, input).fetch(this.out).run().get(0);
}
private final Graph graph;
private final Session session;
private final Output in;
private final Output out;
}
通过上述内容,您可以将示例原型张量转换为矢量并将其输入到您感兴趣的模型中,如下所示:
Tensor inputTensor = null;
try (Tensor scalar = Tensor.create(example.toByteArray())) {
inputTensor = reshaper.vector(scalar);
}
s.runner().feed(inputTensorName, inputTensor).fetch(outputTensorName).run().get(0);
有关详细信息,请see this example on github
希望有所帮助!