Question

在徒劳地使用save_model API进行了恢复tf.py_func()的研究后，我找不到除tensorflow中记录的信息以外的其他信息：

该操作必须在与调用tf.py_func()的Python程序相同的地址空间中运行。如果使用分布式TensorFlow，则必须在与调用tf.train.Server的程序相同的过程中运行tf.py_func()，并且必须将创建的操作固定到该服务器上的设备（例如，与{{1 }}：）

两个保存/加载片段有助于说明这种情况。

保存零件：

tf.device()

加载零件：

def wrapper(x, y):
    with tf.name_scope('wrapper'):
        return tf.py_func(Copy, [x, y], [tf.float32, tf.float32])

def Copy(x, y):
    return x, y

x_ph = tf.placeholder(tf.float32, [None], 'x_ph')
y_ph = tf.placeholder(tf.float32, [None], 'y_ph')

with tf.name_scope('input'):
    ds = tf.data.Dataset.from_tensor_slices((x_ph, y_ph))
    ds = ds.map(wrapper)
    ds = ds.batch(1)
    it = tf.data.Iterator.from_structure(ds.output_types, ds.output_shapes)
    it_init_op = it.make_initializer(ds, name='it_init_op')

x_it, y_it = it.get_next()

# Simple operation
with tf.name_scope('add'):
    res = tf.add(x_it, y_it)

with tf.Session() as sess:
    sess.run([tf.global_variables_initializer(), it_init_op], feed_dict={y_ph: [10] * 10, x_ph: [i for i in range(10)]})
    sess.run([res])
    tf.saved_model.simple_save(sess, './dummy/test', {'x_ph': x_ph, 'y_ph': y_ph}, {'res': res})

错误：

ValueError：未找到回调pyfunc_0

众所周知，graph = tf.Graph() graph.as_default() with tf.Session(graph=graph) as sess: tf.saved_model.loader.load(sess, [tf.saved_model.tag_constants.SERVING], './dummy/test') res = graph.get_tensor_by_name('add/Add:0') it_init_op = graph.get_operation_by_name('input/it_init_op') x_ph = graph.get_tensor_by_name('x_ph:0') y_ph = graph.get_tensor_by_name('y_ph:0') sess.run([it_init_op], feed_dict={x_ph: [5] * 5, y_ph: [i for i in range(5)]}) for _ in range(5): sess.run([res])包装的函数未随模型一起保存。是否有人有解决方案，可以使用tf doc给出的小提示（应用tf.py_func()

来还原此问题）

Answer 1

只要没有答案，我会建议我的，其轮廓为pb而不是解决它。苦苦挣扎了很长时间，我最终通过修剪忽略了它。然后，以一种更简单的方式将占位符嫁接到新的输入/输出上。此外，此 py_func在TF2.0中已弃用。

如何使用tf.saved_model API恢复tf.data.Dataset（）中悬空的tf.py_func？

1 个答案: