Question

如果图表的输入传递到占位符：

input_layer = tf.placeholder(tf.float32, [...], name="inputs")

具有此input_layer的冻结图将具有名为＆＃34;输入＆＃34;的输入节点。我如何知道冻结Estimator图的输入节点的名称？它是模型函数中的第一层吗？它是模型函数的features参数的字典键的名称吗？

当我打印冻结后生成的图形def的节点时，我得到了这个候选输入图层名称：

# Generated by the numpy_input_fn
enqueue_input/random_shuffle_queue 
random_shuffle_queue_DequeueMany/n
random_shuffle_queue_DequeueMany

# This is probably the input
inputs/shape
inputs

# More nodes here
...

更新

这里是图

更多更新

我使用带有估算器的已保存模型检查了指南，我想出了这段代码：

input_graph_def = graph.as_graph_def(add_shapes=True)
input_layer = graph.get_operation_by_name('input_layer').outputs[0]
input_shape = input_layer.get_shape().as_list()[1:]
run_params['input_shape'] = input_shape
feature_spec = {'x': tf.FixedLenFeature(input_shape, input_layer.dtype)}

estimator = tf.estimator.Estimator(model_fn=_predict_model_fn,
                                   params=run_params,
                                   model_dir=checkpoint_dir)

def _serving_input_receiver_fn():
    return tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)()

exported_model_path = estimator.export_savedmodel(checkpoint_dir, _serving_input_receiver_fn)

然而，当我运行它时，我遇到了这个错误：

File "... my module", line ..., in ...
    exported_model_path = estimator.export_savedmodel(checkpoint_dir, _serving_inp
  File "...\tensorflow\python\estimator\estimator.py", line 598, in export_savedmodel
    serving_input_receiver.receiver_tensors_alternatives)
  File "...\tensorflow\python\estimator\export\export.py", line 199, in build_all_signature_defs
    '{}'.format(type(export_outputs)))
ValueError: export_outputs must be a dict and not<class 'NoneType'>

这里是_predict_model_fn：

def _predict_model_fn(features, mode, params):
    features = features['x']

    # features are passed through layers
    features = _network_fn(features, mode, params)

    # the output layer
    outputs = _get_output(features, params["output_layer"], params["num_classes"])
    predictions = {
        "outputs": outputs
    }

    return _create_model_fn(mode, predictions=predictions)


def _create_model_fn(mode, predictions, loss=None, train_op=None, eval_metric_ops=None, training_hooks=None):
    return tf.estimator.EstimatorSpec(mode=mode,
                                  predictions=predictions,
                                  loss=loss,
                                  train_op=train_op,
                                  eval_metric_ops=eval_metric_ops,
                                  training_hooks=training_hooks)

显然，只要有人决定导出他们的模型，就必须在export_output中提供EstimatorSpec参数。有了它，_predict_model_fn有这个return语句并将参数添加到_create_model_fn：

return _create_model_fn(mode, predictions=predictions,
                            export_outputs={
                                "outputs": tf.estimator.export.PredictOutput(outputs)
                            })

Answer 1

无法从图表中分辨哪一个是输入或输出张量。

您应该使用SavedModel功能。部分原因是生成模型的签名，该签名准确地说明哪个张量是输入，哪个是输出。

您可以使用相同的模型并使用不同的签名导出它。例如，一个人会拿一个协议缓冲区并给你一个概率回来，另一个人会拿一个字符串并给你一个空间嵌入。

从冻结的Tensorflow Estimator图中获取输入名称？

1 个答案: