通过CloudML获取TFrecords的批量预测

Question

我跟着this great tutorial并成功训练了一个模型（在CloudML上）。我的代码也使预测脱机，但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，我跟着this tutorial。现在我有一个代码，通过TFRecords生成apache_beam.io.WriteToTFRecord，我想对那些TFRecords做出预测。为此，我关注this article，我的命令如下：

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

但我只得到错误：'Exception during running the graph: Expected serialized to be a scalar, got shape: [64]

它似乎期望数据采用不同的格式。我找到了JSON here的格式规范，但无法找到如何使用TFrecords。

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

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“batchable”，即输入占位符的外部维度具有shape=[None]，例如，

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

这可能需要稍微重新处理图形。例如，我看到输出的形状被硬编码为[1,1]。最外层的维度应该是None，这可能会在您修复占位符时自动发生，或者可能需要进行其他更改。

鉴于输出的名称是probabilities，我还希望最里面的维度> 1，即预测的类的数量，所以像[None, NUM_CLASSES]。