Tensorflow估算器 钩子访问传递给model_fn的特征标签和在model_fn期间建立的图操作。

Question

我正试图理解一个用tensorflow Estimator框架建立的模型。我想使用Hooks API来添加在评估或预测期间处理输入的操作。

似乎我应该能够离开 model_fn 训练时单独使用，并实施我自己的 SessionRunHook 类来添加操作，但我如何掌握模型的输入张力？例如，假设 model_fn 看起来

def model_fn(features, labels, mode, params):
    concatanated_features = prepare_inputs(features, params)
    ...

和 prepare_inputs 就这样

def prepare_inputs(features, params):
    return tf.feature_column.input_layer(features, params['column_names'])`

然后，我做了这样的事情

class MyHook(tf.train.SessionRunHook):
    def begin(self):
        self.myTensor = my_function(features) # but how do I get features?
        self.myTensor2 = my_function(concatanated_features) # likewise,
        gr = tf.get_default_graph() # seems I have to start here and know what I'm looking for

Answer 1

我建议你看看 TF Serve 的预测。你可以使用提供的gRPCREST API来调用你保存的模型来获取预测结果，并且，你可以在生成REST调用的JSON请求之前进行任何所需的预处理。

而且，你可以在生成REST调用的JSON请求之前进行任何必要的预处理。Serve: https:/www.tensorflow.orgtfxtutorialsservingrest_simple?hl=en