我使用了人口普查数据,并使用张量流中的估计量api创建了一个广泛而深入的模型。在用Java加载模型时,似乎有一个错误,它不能让模型加载。异常看起来像
Exception in thread "main" org.tensorflow.TensorFlowException: Op type not
registered 'SparseFeatureCross' in binary running on gmalhotra-mba-2.local.
Make sure the Op and Kernel are registered in the binary running in this
process.
at org.tensorflow.SavedModelBundle.load(Native Method)
at org.tensorflow.SavedModelBundle.load(SavedModelBundle.java:39)
at deeplearning.DeepLearningTest.main(DeepLearningTest.java:32)
请找到以下用于保存模型的python代码: https://gist.github.com/gaganmalhotra/cd6a5898b9caf9005a05c8831a9b9153
使用的Java代码如下:
public static void main(String[] args) {
try (SavedModelBundle b = SavedModelBundle.load("/Users/gagandeep.malhotra/Documents/SampleTF_projects/temporaryModel/1510624417/", "serve")) {
Session sess = b.session();
//Create the input sensor
float[][] mat=new float[1][1];
mat[0]=new float[]{0.5f};
// create tensors specific to inputs ....
Tensor<?> x = (Tensor<?>) Tensor.create(mat);
//run the model
float[][] y = sess.runner()
.feed("input", x)
.fetch("output")
.run()
.get(0)
.copyTo(new float[1][1]);
//print the result
System.out.println(y[0][0]);
}
PS:使用的Tensorflow版本:1.3
答案 0 :(得分:3)
当您在tf.contrib
模块中使用操作时,它们不被视为实验性操作,因此不属于stable TensorFlow API,也不包含在其他语言版本中。
但是,在TensorFlow 1.4及更高版本中,您可以使用TensorFlow.loadLibrary()
在Java中显式加载共享库。
要做到这一点,首先您需要找到共享库的位置,其中包含您感兴趣的tf.contrib
操作的实现。在这种情况下,它似乎是tf.contrib.layers
{ {1}},所以你要这样做:
python -c "import tensorflow; print(tensorflow.contrib.layers.__path__)"
会打印出类似的内容:
['/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers']
然后,您可以使用以下内容找到该路径中的所有共享库:
find /usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers -name "*.so"
这将是:
/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers/python/ops/_sparse_feature_cross_op.so
好的,现在你有了这个库,你可以使用以下代码在Java中加载它:
public static void main(String[] args) {
TensorFlow.loadLibrary("/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers/python/ops/_sparse_feature_cross_op.so");
// And now load the model etc.
}
注意事项:
如果您想在其他计算机上运行,则需要将上面的.so
文件打包到您的程序中,并将调用适当地调整为TensorFlow.loadLibrary()
。
确保您使用与Python和Java相同的TensorFlow版本(1.4)
希望有所帮助。