在 google ml-engine 中使用训练有素的 keras 模型

Question

我正在尝试将 gcloud ml-engine 与 tensorflow 一起使用，更准确地说，我想使用已经训练过的 keras 模型。我设法用 sciktlearn 模型做到了这一点，但这在这里不一样......首先我用 Keras 训练一个简单的模型import numpy as npfrom tensorflow import keras# Creating the datasetX = np.random.random((500,9))y = (np.random.random(500)>0.5).astype(int)# Splitting idx_train, idx_test = np.arange(400), np.arange(400,500)X_train, X_test = X[idx_train], X[idx_test]y_train, y_test = y[idx_train], y[idx_test]def define_model():        input1 = keras.layers.Input(shape=(9,),name="values")    hidden = keras.layers.Dense(50, activation='relu', name="hidden")(input1)    preds = keras.layers.Dense(1, activation='sigmoid', name="labels")(hidden)    model = keras.models.Model(inputs=input1,                   outputs=preds)    model.compile(loss='binary_crossentropy',                  optimizer='adam',                   metrics=["accuracy"])    model.summary()    return modelmodel = define_model()model.fit(X_train, y_train,          batch_size=10,           epochs=10, validation_split=0.2)我读到我需要一个 SavedModel 来在 ml-engine 中使用它https://cloud.google.com/ml-engine/docs/tensorflow/deploying-models为了将其导出到 SavedModel，我需要一个 services_input_receiver_fn。我没有在互联网上找到我的情况的例子，这对我来说似乎很简单，所以我尝试了这个功能，然后将模型保存在“here_are_estimators”文件夹中我的 input.json 看起来像这样{"examples":[{"values":[[0.2,0.3,0.4,0.5,0.9,1.5,1.6,7.3,1.5]]}]}我将生成文件的内容、一个变量文件夹和一个saved_model.pb 文件上传到目录DEPLOYMENT_SOURCE 中的GCS当我尝试使用以下命令使用 gcloud 运行本地预测时：gcloud ml-engine local predict --model-dir $DEPLOYMENT_SOURCE --json-instances="input.json" --verbosity debug --framework tensorflow我有这个错误cloud.ml.prediction.prediction_utils.PredictionError: Failed to run the provided model: Exception during running the graph: Cannot feed value of shape (1, 1) for Tensor 'input_tensors:0', which has shape '(?,)' (Error code: 2)我猜我的 input.json 或 services_input_receiver_fn 有问题，或者两者都有问题？，但我不知道是什么。如果有人能告诉我出了什么问题，我将不胜感激:)

Answer 1

您不应该尝试解析 tf.Example，因为您正在发送 JSON。试试这个导出：

def serving_input_receiver_fn(): 

    inputs = {"values": tf.placeholder(dtype=tf.float32,

                                       shape=[None, 9],

                                       name='input_tensors')}

    return tf.estimator.export.ServingInputReceiver(inputs, inputs) 

estimator_model.export_savedmodel("./here_are_estimators", serving_input_receiver_fn=serving_input_receiver_fn)

输入应如下所示：

{"values":[0.2,0.3,0.4,0.5,0.9,1.5,1.6,7.3,1.5]}

还有一个更简洁的“速记”：

[0.2,0.3,0.4,0.5,0.9,1.5,1.6,7.3,1.5]