通过CloudML获取TFrecord的批量预测

Question

我遵循了这个很棒的教程，并成功地在CloudML上训练了一个模型。我的代码还离线进行预测，但是现在我正在尝试使用Cloud
ML进行预测并遇到一些问题。

为了部署我的模型，我遵循了本教程。现在，我有一个生成TFRecordsvia的代码，apache_beam.io.WriteToTFRecord并且我想对此进行预测TFRecords。为此，我关注本文，我的命令如下所示：

gcloud ml-engine jobs submit prediction $JOB_ID --model $MODEL --input-paths gs://"$FILE_INPUT".gz --output-path gs://"$OUTPUT"/predictions --region us-west1 --data-format TF_RECORD_GZIP

但是我只有错误： 'Exception during running the graph: Expected serialized to be a scalar, got shape: [64]

看起来它期望数据采用不同的格式。我在这里找到了JSON的格式规范，但找不到如何使用TFrecords进行格式化。

更新：这是输出 saved_model_cli show --all --dir

MetaGraphDef with tag-set: 'serve' contains the following SignatureDefs:

signature_def['prediction']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['example_proto'] tensor_info:
    dtype: DT_STRING
    shape: unknown_rank
    name: input:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['probability'] tensor_info:
    dtype: DT_FLOAT
    shape: (1, 1)
    name: probability:0
  Method name is: tensorflow/serving/predict

signature_def['serving_default']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['example_proto'] tensor_info:
    dtype: DT_STRING
    shape: unknown_rank
    name: input:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['probability'] tensor_info:
    dtype: DT_FLOAT
    shape: (1, 1)
    name: probability:0
  Method name is: tensorflow/serving/predict

Answer 1

导出模型时，需要确保它是“可批量的”，即输入占位符的外部尺寸具有shape=[None]，例如，

input = tf.Placeholder(dtype=tf.string, shape=[None])
...

这可能需要重新处理图形。例如，我看到输出的形状被硬编码为[1,1]。最外面的尺寸应该是None，这在您固定占位符时可能会自动发生，或者可能需要进行其他更改。

给定输出的名称是probabilities，我还希望最里面的维度> 1，即要预测的类数，因此类似[None, NUM_CLASSES]。