Question

我找到了几个示例来加载我保存的估算器my_estimator.export_savedmodel(export_dir, export_input_fn)模型，作为predictor = tf.contrib.predictor.from_saved_model(export_dir)这样的预测变量。当我的tf.train.Example只有一项时，此功能非常有用。如何使它适用于TF 1.13的批处理？

model_input= tf.train.Example(features=tf.train.Features(feature={
      'browser_name': tf.train.Feature(bytes_list=tf.train.BytesList(value=[b"chrome", b"ie"])),
      'version': tf.train.Feature(float_list=tf.train.FloatList(value=[8.0, 11.0]))     
  })).SerializeToString()

predictor({"inputs":[model_input]})

每个功能有多个输入时，

调用失败。

Answer 1

predictor({"inputs":[model_input1, model_input2]})

可以，但是需要手动将数据枚举到多个tf.train.Example实例中

Answer 2

这是一个使用 tensorflow 1.13.1 的工作示例：

import tensorflow as tf
import pandas as pd 
import numpy as np


prod_export_dir = 'my_model_dir'
data =  pd.read_csv('my_data.csv')

predictor = tf.contrib.predictor.from_saved_model(prod_export_dir)

model_input = {}
for k, v in predictor.feed_tensors.items():
    model_input[k] = np.array(data[k].tolist(), dtype=v.dtype.as_numpy_dtype)

prediction = predictor(model_input)

使用tf.contrib.predictor来预测TF 1.13的tf.estimator.export_savedmodel中的批次。

2 个答案: