Question

我正在将训练有素的模型用于生产推理。为此，我需要保存模型，以便可以在运行时从生产运行到生产运行更改模型（和/或检查点）。移动时，模型的输入和输出形状的形状可以随运行而变化。

所以我正在看tf.saved_model.simple_save：

simple_save(session, export_dir, inputs={"x": x, "y": y}, outputs={"z": z})

如果我运行推论生产代码，例如：

session = Session()
inputs = tf.placeholder(dtype=tf.float32, shape=(None, height, width, in_channel_size), name='input_img')
model = Some_Model(inputs, num_classes=no_of_defects, is_training=False)
logits, _ = model.build_model()
predictor = tf.nn.softmax(self.logits, name='logits_to_softmax')
feed_dict = {inputs: inputs}
prediction_probabilities = session.run(self.predictor, feed_dict=feed_dict)

然后，如何确定要为inputs和outputs输入什么：

simple_save(session, export_dir, inputs=???, outputs=???)

ie tf.saved_mode.simple_save()的“输入”和“输出”参数是什么？

如果需要的话，我正在PyCharm中运行调试会话。

Answer 1

在我看来，应该是：

 simple_save(session, export_dir, inputs=feed_dict, outputs={"predictor" : predictor}))

Answer 2

simple_save(session, export_dir, inputs={"inputs" : inputs}, outputs={"predictor" : predictor})

tf.saved_mode.simple_save（）的“输入”和“输出”参数是什么？

2 个答案: