Question

我正在使用一些代码，我可以使用这些代码从张量流Estimator导出一个将JSON作为输入的模型。我可以使用tf.Estimator使用tf.estimator.export.ServingInputReceiver来完成此工作，但对于tf.contrib.learn内置的模型，我找不到任何文档。有一个示例here可以使用tf.Example服务创建导出，但Example构建起来有点棘手。

Answer 1

要使用贡献估算器，您必须查看早期版本的示例。这是一个例子：

https://github.com/GoogleCloudPlatform/training-data-analyst/blob/85c57e4da2e7edeffbb6652636e3c65b313c568f/blogs/babyweight/babyweight/trainer/model.py

不是说你要返回输入函数ops。话虽如此，如果可以，我建议您迁移到tf.estimator。

Answer 2

CloudML Engine的示例repository中有一些示例，例如this code。

即，您创建占位符并将它们传递给ServingInputReceiver构造函数。最外层维度应为“无”以处理可变大小的批次。

def build_receiver():
  x = tf.placeholder(tf.float32, size=[None])
  y = tf.placeholder(tf.int32, size=[None, 128, 128, 3])
  features = {'x': x, 'y': y}
  return tf.estimator.export.ServingInputReceiver(features, features)

Answer 3

查看here以获取一组示例，其中显示了如何在Cloud ML中使用tensorflow估算器来提供服务模型

<强>代码：

def serving_fn():
receiver_tensor = {
    commons.FEATURE_COL: tf.placeholder(dtype=tf.string, shape=None)
}

features = {
    key: tensor
    for key, tensor in receiver_tensor.items()
}

return tf.estimator.export.ServingInputReceiver(features, receiver_tensor)

创建一个获取JSON输入的tf.contrib.learn Estimator服务

3 个答案: