Question

作为对导出/导入模型的测试，我使用了here中所述的DNN分类器。

现在要导出它，我使用以下代码。为了检查/理解此功能看到的输入，我想使用tf.Print。我尝试了所有可以找到的建议tf.Print，但是它们都不起作用。看来我的问题是在将打印内容添加到图形时，它所驻留的函数没有返回张量。

def serving_input_receiver_fn():
    serialized_tf_example = tf.placeholder(tf.string, name='tf_example')
    feature_configs = tf.feature_column.make_parse_example_spec(my_feature_columns)
    features = tf.parse_example(serialized_tf_example, feature_configs)
    receiver_tensors = {'examples': serialized_tf_example}

    a = tf.Print(tf.estimator.export.ServingInputReceiver(features, receiver_tensors), [serialized_tf_example], message="serialized tf example:")

    return a

exported = classifier.export_savedmodel(EXPORT_PATH, serving_input_receiver_fn)

如果我插入它，它似乎没有被评估：

serialized_tf_example = tf.placeholder(tf.string, name='tf_example')
serialized_tf_example = tf.Print(serialized_tf_example, [serialized_tf_example], message="serialized tf example:")

用此结果替换退货会导致错误：

a = tf.Print(tf.estimator.export.ServingInputReceiver(features, receiver_tensors), [serialized_tf_example], message="serialized tf example:")
return a

错误：

TypeError: Failed to convert object of type <class 'tensorflow.python.estimator.export.export.ServingInputReceiver'> to Tensor. Contents: ServingInputReceiver(features={'PetalLength': <tf.Tensor 'ParseExample/ParseExample:0' shape=(?, 1) dtype=float32>, 'PetalWidth': <tf.Tensor 'ParseExample/ParseExample:1' shape=(?, 1) dtype=float32>, 'SepalLength': <tf.Tensor 'ParseExample/ParseExample:2' shape=(?, 1) dtype=float32>, 'SepalWidth': <tf.Tensor 'ParseExample/ParseExample:3' shape=(?, 1) dtype=float32>}, receiver_tensors={'examples': <tf.Tensor 'tf_example:0' shape=<unknown> dtype=string>}, receiver_tensors_alternatives=None). Consider casting elements to a supported type.

在不中断代码的情况下，我不知道如何添加要评估的tf.Print。看来我也无法同时返回serialized_tf_example和tf.estimator.export.ServingInputReceiver(features, receiver_tensors)函数，因为这会干扰将serving_input_receiver_fn传递给export_savedmodel()

如何在Tensorflow中tf.Print返回函数的局部张量（不是张量）

0 个答案: