Question

我在存储和加载训练有素的模型时遇到问题。我正在导出我的模型 feature_spec = { 'BUY': parsing_ops.FixedLenFeature(shape=(1,), dtype=tf.float32, default_value=1), 'ASK': parsing_ops.FixedLenFeature(shape=(1,), dtype=tf.float32, default_value=2), 'DIFF': parsing_ops.FixedLenFeature(shape=(1,), dtype=tf.float32, default_value=3) } classifier.export_savedmodel('Y:\Checkers\Model1', tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec))

并且代码的这一部分顺利运行，我只是将其包含在导出偏差的情况下。然后我尝试将此模型加载到另一个文件中

BUY = float(PriceState.bidVol)
ASK = float(PriceState.askVol)
DIFF = float(PriceState.bidVol) - float(PriceState.askVol)
predict_dict = {
    "inputs": [BUY, ASK, DIFF]
}
predict_fn = predictor.from_saved_model('Y:/Checkers/Model1/1529118977')
predictions = predict_fn(predict_dict)

但是，我在这里得到错误

＆＃34; 文件＆＃34; ./ GDAXfinal.py＆＃34;，第40行，在GetPrediction中 predictions = predict_fn（predict_dict）文件＆＃34; C：\ Users \ Andy \ Python \ lib \ site-packages \ tensorflow \ contrib \ predictor \ predictor.py＆＃34;，第77行，调用 return self._session.run（fetches = self.fetch_tensors，feed_dict = feed_dict）文件＆＃34; C：\ Users \ Andy \ Python \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;，第900行，运行中 run_metadata_ptr）文件＆＃34; C：\ Users \ Andy \ Python \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;，第1135行，在_run中 feed_dict_tensor，options，run_metadata）文件＆＃34; C：\ Users \ Andy \ Python \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;，第1316行，在_do_run中 run_metadata）文件＆＃34; C：\ Users \ Andy \ Python \ lib \ site-packages \ tensorflow \ python \ client \ session.py＆＃34;，第1335行，在_do_call 提升类型（e）（node_def，op，message） tensorflow.python.framework.errors_impl.InternalError： 无法将元素作为字节。 ＆＃34;

我尝试通过首先将float转换为字符串，然后转换为字节（bytes(str(<myVal>), encoding="utf-8")）

来将输入设置为字节。

然后我收到以下错误

＆＃34;

InvalidArgumentError（参见上面的回溯）：无法解析示例输入，值：＆＃39; 0.0＆＃39; [[Node：ParseExample / ParseExample = ParseExample [Ndense = 3，Nsparse = 0，Tdense = [DT_FLOAT，DT_FLOAT，DT_FLOAT]，dense_shapes = [[1]，[1]，[1]]，sparse_types = []，_ device =＆＃34; / job：localhost / replica：0 / task：0 / device：CPU：0＆＃34;]（_ arg_input_example_tensor_0_0，ParseExample / ParseExample / names，ParseExample / ParseExample / dense_keys_0，ParseExample / ParseExample / dense_keys_1，ParseExample / ParseExample / dense_keys_2，ParseExample / Reshape，ParseExample / Reshape_1，ParseExample / Reshape_2）]]

＆＃34;

我猜是因为输入是浮点数，但它们被收到字符串。但是，出于某种原因，如果我设置

"inputs": [b'0.', b'0.', b'0.']

然后预测会没有错误。

但是任何轻微的变化都会引发float / str错误。

的示例：

"inputs": [b'0.0', b'0.0', b'0.0']
 "inputs": [b'10.', b'10.', b'10.']

抛出错误。

我尝试过关注导出和加载张量流预制估算器的在线教程，但似乎都没有遇到这个问题。

Answer 1

build_parsing_serving_input_receiver_fn指的是解析序列化tf.train.Example协议缓冲区。要按原样使用SavedModel，您需要构建并序列化tf.train.Example并将其作为单个字符串提供。

还有tf.estimator.export.build_raw_serving_input_receiver_fn可让您分别为要素字典的每个元素提供信息。这应该适用于您的第一个示例（将可转换的内容传递给浮点Numpy数组）。

从保存的DNN估算器预测，无效的Predict_Dict

1 个答案: