ValueError:无法为Tensor'input_example_tensor:0'提供shape()的值,其形状为'(?,)'

时间:2018-02-23 19:57:37

标签: python tensorflow machine-learning tensorflow-serving

为什么会出现此错误?

我找不到与我的情况相似的答案并解释为什么会发生这种情况。这些错误有很多信息,但似乎取决于很多原因,对于不同的情况,它可以有不同的解决方案。

因此,我尝试加载TensorFlow经过培训的模型,然后将其转换为TensorFlow Serving模型格式并进行预测。

来自import bellow的

iris_data.py文件。

这就是我导出模型的方式(火车已经完成,我只是从磁盘加载):

import tensorflow as tf
import iris_data
from tensorflow.contrib import predictor

# Fetch the data
    (train_x, train_y), (test_x, test_y) = iris_data.load_data()

    # Feature columns describe how to use the input.
    my_feature_columns = []
    for key in train_x.keys():
        my_feature_columns.append(tf.feature_column.numeric_column(key=key))

    # Build 2 hidden layer DNN with 10, 10 units respectively.
    classifier = tf.estimator.DNNClassifier(
        feature_columns=my_feature_columns,
        # Two hidden layers of 10 nodes each.
        hidden_units=[10, 10],
        # The model must choose between 3 classes.
        n_classes=3,
        model_dir='G:\AI models')

    #converting into TensorFlow Serving model format 
    path = 'G:\AI models\serve'
    feature_spec = tf.feature_column.make_parse_example_spec(my_feature_columns)
    export_input_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)
    servable_model_path = classifier.export_savedmodel(path, export_input_fn, as_text=True)

以下是我尝试使用TensorFlow Serving模型进行预测的方法:

 expected = ['Setosa', 'Versicolor', 'Virginica']
    predict_x = {
        'SepalLength': [5.1, 5.9, 6.9],
        'SepalWidth': [3.3, 3.0, 3.1],
        'PetalLength': [1.7, 4.2, 5.4],
        'PetalWidth': [0.5, 1.5, 2.1],
    }
path = 'G:\AI models\serve\\1519413839'
    predict_fn = predictor.from_saved_model(path)
    predictions = predict_fn(
        {"inputs": predict_x})

最后得到一个错误:

ValueError: Cannot feed value of shape () for Tensor 'input_example_tensor:0', which has shape '(?,)'

3 个答案:

答案 0 :(得分:1)

您必须使用示例API传递示例:

feature = {
    'SepalLength': tf.train.Feature(float_list=tf.train.FloatList(value=[5.1])),
    'SepalWidth': tf.train.Feature(float_list=tf.train.FloatList(value=[3.3])),
    'PetalLength': tf.train.Feature(float_list=tf.train.FloatList(value=[1.7])),
    'PetalWidth': tf.train.Feature(float_list=tf.train.FloatList(value=[0.5]))
}
example = tf.train.Example(
    features=tf.train.Features(
        feature=feature
    )
)
serialized_example = example.SerializeToString()

predictions = predict_fn({"inputs": [serialized_example]})

当然,您可以传递许多示例。

有用的链接:http://shzhangji.com/blog/2018/05/14/serve-tensorflow-estimator-with-savedmodel/

答案 1 :(得分:0)

def plot_images(): folder = "digits_pics/ex_0/" images = os.listdir(folder) print(images) i = 0 for image in images: plt.subplot(2,5,i+1) im = imread(folder+image) i+=1 imgplot = plt.imshow(im) plt.show() return 是零等级张量的维度(即标量),()是未知维度的等级张量(向量)。

没有完整的堆栈跟踪,我可以告诉你。

答案 2 :(得分:-1)

'G:\AI models\serve\\1519413839' 

应该是

'G:\\AI models\\serve\\1519413839'

需要转义反斜杠。可能没有读取文件,因为预测函数的数据具有零维张量形状。