Question

我正在使用这样生成的导出服务我的模型：

features_placeholder = tf.placeholder(tf.float32, None)
labels_placeholder = tf.placeholder(tf.float32, None)

# Training loop code
......
# Train is finished.

# Export model
tf.saved_model.simple_save(sess,param.logs_dir + 'model_export', 
            {"features": features_placeholder}, {"binary_classif": labels_placeholder})

然后，我正在发出以下POST请求（原始正文）：

{“实例”：[1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0]}

我得到的错误如下：

{“错误”：“您必须使用dtype float \ n \ t [[Node：Placeholder_1 = Placeholder_output_shapes = []，dtype = DT_FLOAT，shape =， _device = \“ / job：localhost /副本：0 / task：0 / device：CPU：0 \”]]“}

有人知道我在做什么错吗？

Answer 1

您必须确保两个占位符features_placeholder和labels_placeholder的形状与两个变量features_feed和labels_feed的形状相对应，以避免出现错误。喂字典时有。

Answer 2

对于那些寻求该问题答案的人，我将尝试一下。

导出模型时，simple_save函数需要张量指针，而不是占位符。一种方法是在定义模型时命名张量，如下所示：

def inference(features):
    layer_1 = nn_layer(features, get_num_features(), get_num_hidden1(), 'layer1', act=tf.nn.relu)
    logits = nn_layer(layer_1, get_num_hidden1(), get_num_classes(), 'out', act=tf.identity)
    logits = tf.identity(logits, name='predictions')
    return logits

由于我已将logits张量命名为'predictions'，因此现在可以在保存模型之前以图形模式获取此张量：

features = graph.get_tensor_by_name('features:0')
predictions = graph.get_tensor_by_name('predictions:0')
tf.saved_model.simple_save(sess,param.logs_dir + 'model_export', 
                {"features": features}, 
                {"predictions": predictions})

注意：Tensorflow文档非常简短，尤其是关于simple_save函数。这是我可以使之起作用的唯一方法，但是我不是100％地确定这样做的正确方法。

Tensorflow服务-“您必须提供占位符张量\'Placeholder_1 \'的值”

2 个答案: