服务于tensorflow分类器

Question

我一直在与TensorFlow的构建器进行斗争，以便能够为我的html" target="_blank">模型服务，我试图在为模型服务后向我的分类器提供数据

我的问题是如何向模型提供输入？我看过Google的inception教程使用的代码

并试图实施它

classify_inputs_tensor_info = utils.build_tensor_info(
          serialized_tf_example)
      classes_output_tensor_info = utils.build_tensor_info(classes)
      scores_output_tensor_info = utils.build_tensor_info(values)

      classification_signature = signature_def_utils.build_signature_def(
          inputs={
              signature_constants.CLASSIFY_INPUTS: classify_inputs_tensor_info
          },
          outputs={
              signature_constants.CLASSIFY_OUTPUT_CLASSES:
                  classes_output_tensor_info,
              signature_constants.CLASSIFY_OUTPUT_SCORES:
                  scores_output_tensor_info
          },
          method_name=signature_constants.CLASSIFY_METHOD_NAME)

据我所知，输入被传递给一个名为serialized_tf_example的张量，顾名思义，该张量将输入序列化为string，但是他们使用我不理解的tf.fixedlenfeature，然后用tf.parse_example解析serialized_tf_example，并将其分配给模型中使用的x，但是我想将它解析给一个接受数组作为输入的分类器，但是不知道如何处理这个问题。

在尝试实现这个的时候，我写了这个

serialized_tf_example = tf.placeholder(tf.string, name='tf_example')
        feature_configs = { 'audio/encoded': tf.FixedLenFeature( shape=[193], dtype=tf.float32, default_value=input_x),}
        tf_example = tf.parse_example(serialized_tf_example, feature_configs)
        x = tf_example['audio/encoded']

        sess = tf.InteractiveSession()
        sess.run(tf.global_variables_initializer())

        # Define the dimensions in the feature columns
        feature_columns = [tf.contrib.layers.real_valued_column("", dimension=5)]

        classifier = tf.contrib.learn.DNNLinearCombinedClassifier(
            dnn_feature_columns=feature_columns, dnn_hidden_units=[200,300], n_classes=10,
            dnn_optimizer=tf.train.GradientDescentOptimizer(
                learning_rate=0.01
            )
        )

        #run training
        classifier.fit(input_fn=get_train_inputs, steps=100)
        #testing 
        accuracy_score = classifier.evaluate(input_fn=get_test_inputs, steps=10)["accuracy"]
        print('Test accuracy : ', format(accuracy_score))

        prediction = format(list(classifier.predict_classes(x, as_iterable=True)))

但是x是张量，所以不能被读取。当我尝试使用run或。eval（）时，它要求我向serialized_tf_example提供一个值

InvalidArgumEnterRorr（参见上面的跟踪）：您必须用dtype string为占位符张量'tf_example'提供一个值[[node:tf_example=placeholderdtype=dt_string,shape=[],_device=“/job:localhost/replica:0/task:0/cpu:0”]]

Answer 1

您可以/应该在没有tf.example的情况下使用classifier.predict。您的input_fn在train中，eval返回x,y。可以编写类似于其他输入函数的predict_input_fn。

predictoin = next(classifier.predict_classes(input_fn=predict_input_fn))

请注意，如果使用list获得所有预测，函数应该以异常结束。您可以检查tf.estimator.inputs.numpy_input_fn