Question

我正在尝试对character_rnn（https://github.com/tensorflow/tensorflow/blob/671baf080238025da9698ea980cd9504005f727c/tensorflow/examples/learn/text_classification_character_rnn.py）进行文本分类。

如何为它写一个serving_input_fn？我要保存并恢复此模型

扩展了代码以保存但出现错误，请帮助

from tensorflow.contrib.learn.python.learn.utils import input_fn_utils
feature_spec = {"feature":tf.FixedLenFeature([100],tf.int64)}
serving_input_fn = input_fn_utils.build_parsing_serving_input_fn(feature_spec)

然后

classifier.export_savedmodel(export_dir_base='model', serving_input_receiver_fn=serving_input_fn)

并收到此错误

TypeError：无法将类型的对象转换为Tensor。内容：{'feature'：}。考虑将元素强制转换为受支持的类型。

请帮助我。

Answer 1

serving_fn要求功能必须为tensor。

请在下面查看示例：

def serving_fn():
    day_of_month      = tf.Variable([], dtype=tf.int64, name='DAY_OF_MONTH')
    day_of_week       = tf.Variable([], dtype=tf.int64, name='DAY_OF_WEEK')
    tail_num          = tf.Variable([], dtype=tf.string,name='TAIL_NUM')
    op_carrier_fl_num = tf.Variable([], dtype=tf.int64, name='OP_CARRIER_FL_NUM')
    origin_airport_id = tf.Variable([], dtype=tf.int64, name='ORIGIN_AIRPORT_ID')
    dest_airport_id   = tf.Variable([], dtype=tf.int64, name='DEST_AIRPORT_ID')
    dep_time_blk      = tf.Variable([], dtype=tf.string,name='DEP_TIME_BLK')

    reqd_inputs =  {'DAY_OF_MONTH':day_of_month,
                    'DAY_OF_WEEK':day_of_week,
                    'TAIL_NUM':tail_num,
                    'OP_CARRIER_FL_NUM':op_carrier_fl_num,
                    'ORIGIN_AIRPORT_ID':origin_airport_id,
                    'DEST_AIRPORT_ID':dest_airport_id,
                    'DEP_TIME_BLK':dep_time_blk}

    fn = tf.estimator.export.build_raw_serving_input_receiver_fn(reqd_inputs)
    return fn

根据您的特征和数据类型，您需要将它们转换为相应的张量。

如果有帮助，可以在https://www.kaggle.com/jintolonappan/gbm-tf2-boostedtreesclassifier-export-to-serve

上以Kaggle笔记本的形式获得上述示例。

张量流估计器保存模型

1 个答案: