Question

我为MNIST分类创建了自定义tf.Estimator   （一些卷积，辍学，批量标准化）我想   使用export_savedmodel保存它（比如预测）。   一切都有效，除了保存部分。

从我收集的网络和文档中我必须指明   serving_input_fn和tf.estimator.PredictOutput，但我是   我无法理解所有这些（文件和文件）   示例看起来也很稀疏。

关于问题的信息：
我收到错误：ValueError: labels must not be None.



输入图层形状：input_layer = tf.reshape(features['x'], [-1, 28, 28, 1])
serving_input_fn我正在使用：
def serving_input_receiver_fn():
    serialized_tf_example = tf.placeholder(
        dtype=tf.string, shape=[None], name='input_tensors')
    receiver_tensors = {'predictor_inputs': serialized_tf_example}
    feature_spec = {'x': tf.FixedLenFeature([28, 28, 1], tf.float32)}
    features = tf.parse_example(serialized_tf_example, feature_spec)
    return tf.estimator.export.ServingInputReceiver(features, 
                                            receiver_tensors) 
预测输出功能：
export_outputs = {
    'predict_output':
     tf.estimator.export.PredictOutput({
        'pred_output_classes': self.predictions,
        'prob': tf.nn.softmax(self.logits),
        }),
    } return tf.estimator.EstimatorSpec(
    mode=tf.estimator.ModeKeys.PREDICT,
    predictions={
        'class': self.predictions,
        'probabilities': tf.nn.softmax(self.logits),
    },
    export_outputs=export_outputs) 
保存模型（经过培训和评估后）：
classifier.export_savedmodel(
    './custom_model', serving_input_receiver_fn=serving_input_receiver_fn) 
出口所需的正确代码将受到高度赞赏（我＆＃39; m   厌倦了这个图书馆的不直观的设计，所以如果你过去了   斗争请救救我:(）。关于原因的一些解释   这个不直观的事情必须去那里也很棒。

如果您需要一些其他信息，我会提供这些信息。

链接到堆栈跟踪：

https://gist.github.com/vyzyv/885e7e63520332e5ee42f4bc332a877f

问题解决方案：

可以为其他人提供有用的信息：不计算tf.Estimator中的预测模式损失（@AlexandrePassos解决方案，请参阅注释）。

Tensorflow导出自定义Estimator（定义serving_input_fn和PredictOutput）

0 个答案: