创建一个获取JSON输入的tf.contrib.learn Estimator服务

Question

我正在使用一些代码，我可以用来从张量流Estimator导出一个模型，它将JSON作为输入。我可以使用tf.Estimator与tf.estimator.export.ServingInputReceiver一起工作，但对于tf.contrib.learn内置的模型，我找不到任何文档。有一个例子here用tf.Example服务创建出口，但Example构造有点棘手。

Answer 1

要使用contrib估算器，您必须查看早期版本的示例。这是一个例子：

https://github.com/GoogleCloudPlatform/training-data-analyst/blob/85c57e4da2e7edeffbb6652636e3c65b313c568f/blogs/babyweight/babyweight/trainer/model.py

并不是说你正在返回一个输入函数ops。话虽如此，如果可以，我建议您迁移到tf.estimator。

Answer 2

Cloud ML Engine示例qazxsw poi中有一些示例，例如qazxsw poi。

也就是说，您创建占位符并将它们传递给repository构造函数。最外层维度应为“无”以处理可变大小的批次。

this code

Answer 3

查看ServingInputReceiver的一组示例，其中显示了如何在Cloud ML中使用tensorflow估算器来提供服务模型

码：

def build_receiver():
  x = tf.placeholder(tf.float32, size=[None])
  y = tf.placeholder(tf.int32, size=[None, 128, 128, 3])
  features = {'x': x, 'y': y}
  return tf.estimator.export.ServingInputReceiver(features, features)