我已经在tensorflow的帮助下训练了一个AI模型,并且需要使用Google AI Platform来进行预测。
现在AI平台指定该模型必须采用特定的“ SavedModel”格式,以便我将模型上传到云并提供预测。
如何将模型转换为指定的“ SavedModel”格式?
还有,有没有可用的端到端教程可以帮助我做同样的事情?
答案 0 :(得分:1)
在标准的训练循环中,您应该在末尾有这样的代码
.....
def train_and_evaluate(output_dir, hparams):
get_train = read_dataset(hparams['train_data_path'],
tf.estimator.ModeKeys.TRAIN,
hparams['train_batch_size'])
get_valid = read_dataset(hparams['eval_data_path'],
tf.estimator.ModeKeys.EVAL,
1000)
estimator = tf.estimator.Estimator(model_fn=sequence_regressor,
params=hparams,
config=tf.estimator.RunConfig(
save_checkpoints_steps=
hparams['save_checkpoint_steps']),
model_dir=output_dir)
train_spec = tf.estimator.TrainSpec(input_fn=get_train,
max_steps=hparams['train_steps'])
exporter = tf.estimator.LatestExporter('exporter', serving_input_fn)
eval_spec = tf.estimator.EvalSpec(input_fn=get_valid,
steps=None,
exporters=exporter,
start_delay_secs=hparams['eval_delay_secs'],
throttle_secs=hparams['min_eval_frequency'])
tf.estimator.train_and_evaluate(estimator, train_spec, eval_spec)
尤其是这部分
estimator = tf.estimator.Estimator(model_fn=sequence_regressor,
params=hparams,
config=tf.estimator.RunConfig(
save_checkpoints_steps=
hparams['save_checkpoint_steps']),
model_dir=output_dir)
在此处指定将模型导出到save_checkpoints_steps
的步骤(output_dir
)。
您的代码中是否有类似的内容?