如何从tensorflow服务器解析gRPC存根客户端收到的输出？

Question

我已经导出了一个DNNClassifier模型，并使用docker在tensorflow服务器上运行它。之后我编写了一个python客户端来与该tensorflow进行交互，为新的预测服务。

我编写了以下代码来获取tensorflow服务器的响应。

＆＃13;

＆＃13;

host, port = FLAGS.server.split(':')
  channel = implementations.insecure_channel(host, int(port))
  stub = prediction_service_pb2.beta_create_PredictionService_stub(channel)

  request = predict_pb2.PredictRequest()
  request.model_spec.name = FLAGS.model
  request.model_spec.signature_name = 'serving_default'

  feature_dict = {'a': _float_feature(value=400),
                  'b': _float_feature(value=5),
                  'c': _float_feature(value=200),
                  'd': _float_feature(value=30),
                  'e': _float_feature(value=60),
                  'f': _float_feature(value=5),
                  'g': _float_feature(value=7500),
                  'h': _int_feature(value=1),
                  'i': _int_feature(value=1234),
                  'j': _int_feature(value=1),
                  'k': _int_feature(value=4),
                  'l': _int_feature(value=1),
                  'm': _int_feature(value=0)}
  example= tf.train.Example(features=tf.train.Features(feature=feature_dict))
  serialized = example.SerializeToString()

  request.inputs['inputs'].CopyFrom(
        tf.contrib.util.make_tensor_proto(serialized, shape=[1]))

  result_future = stub.Predict.future(request, 5.0)
  print(result_future.result())

＆＃13;

＆＃13;

＆＃13; 现在输出的输出是： -

我无法弄清楚如何解析float_val数，因为这是我的输出。请帮助。

Answer 1

您可以执行以下操作

result = stub.Predict(request, 5.0)
float_val = result.outputs['outputs'].float_val

请注意，此方法会调用stub.Predict而不是stub.Predict.future

Answer 2

这是@Maxime De Bruyn给出的答案的补充，

在使用mobilenet / inception模型的具有多个预测输出的预测API中，以下代码段对我不起作用。

  

result = stub.Predict（request，5.0）

     

float_val = result.outputs ['输出'] .float_val

     

print（“ Output：”，float_val）

     

Output: []

相反，我必须在输出中使用“预测”键。

result = stub.Predict(request, 5.0)
predictions = result.outputs['prediction'].float_val
print("Output: ", predictions)

Output: [0.016111543402075768, 0.2446805089712143, 0.06016387417912483, 0.12880375981330872, 0.035926613956689835, 0.026000071316957474, 0.04009509086608887, 0.35264086723327637, 0.0762331634759903, 0.019344471395015717]

Answer 3

In case you have more than one outputs, you do something like the following which basically creates a dictionary with keys corresponding to the outputs and values corresponding to a list of whatever the model returns.

results = dict()
for output in output_names:
    results[output] = response.outputs[output].float_val

Answer 4

您正在寻找的可能是tf.make_ndarray，它从TensorProto创建一个numpy数组（即，是tf.make_tensor_proto的反函数）。这样，您的输出将恢复其应有的形状，因此，基于茉莉花的答案，您可以使用以下命令将多个输出存储在字典中：

response = prediction_service.Predict(request, 5.0)

results = {}
for output in response.outputs.keys():
    results[output] = tf.make_ndarray(response.outputs[output])