實驗中的出口策略是什麼？

我嘗試在Tensorflow中構建自定義實驗，但我不明白export_strategy參數的用法是什麼？另外，你如何構建serving_input_fn？實驗中的出口策略是什麼？

謝謝！

2017-08-11 Nicolas REY

問題1：什麼是使用export_strategy（source）的？

參見問題二的響應，但出口戰略（如名稱暗示）的可能性做出一些更改圖表當它被出口。在下面的例子中，添加了服務模型時將使用的正確輸入函數。

learn_runner.run(
     generate_experiment_fn(
      min_eval_frequency=args.min_eval_frequency, 
      eval_delay_secs=args.eval_delay_secs, 
      train_steps=args.train_steps, 
      eval_steps=args.eval_steps, 
      export_strategies=[saved_model_export_utils.make_export_strategy(
       model.SERVING_FUNCTIONS[args.export_format], 
       exports_to_keep=1 
     )] 
    ), 
     run_config=tf.contrib.learn.RunConfig(model_dir=args.job_dir), 
     hparams=hparam.HParams(**args.__dict__) 
)

問題2：你如何打造serving_input_fn（source）？

這實際上是做什麼的，當你保存模型並準備好爲你服務時，你將需要一些輸入來顯示圖形，根據所需的輸入（在這種情況下是json，csv，...）它增加圖表的一些輸入，如果缺少這些輸入，將無法在提供圖表時輸入圖表。

def csv_serving_input_fn(): 
    """Build the serving inputs.""" 
    csv_row = tf.placeholder(
     shape=[None], 
     dtype=tf.string 
) 
    features = parse_csv(csv_row) 
    # Ignore label column 
    features.pop(LABEL_COLUMN) 
    return tf.estimator.export.ServingInputReceiver(
     features, {'csv_row': csv_row}) 
def example_serving_input_fn(): 
    """Build the serving inputs.""" 
    example_bytestring = tf.placeholder(
     shape=[None], 
     dtype=tf.string, 
) 
    features = tf.parse_example(
     example_bytestring, 
     tf.feature_column.make_parse_example_spec(INPUT_COLUMNS) 
) 
    return tf.estimator.export.ServingInputReceiver(
     features, {'example_proto': example_bytestring}) 


def json_serving_input_fn(): 
    """Build the serving inputs.""" 
    inputs = {} 
    for feat in INPUT_COLUMNS: 
    inputs[feat.name] = tf.placeholder(shape=[None], dtype=feat.dtype) 
    return tf.estimator.export.ServingInputReceiver(inputs, inputs) 


SERVING_FUNCTIONS = { 
    'JSON': json_serving_input_fn, 
    'EXAMPLE': example_serving_input_fn, 
    'CSV': csv_serving_input_fn 
}

這個問題也涉及到Example of tensorflow.contrib.learn.ExportStrategy

來源

2017-08-11 21:06:00

感謝您的答覆。在tf.estimator.EstimatorSpec中，有export_outputs參數。你知道它與export_strat有什麼關係嗎？簡而言之，導出模型有什麼用處？ –

當您使用Google雲端ML（參考https://cloud.google.com/ml-engine/docs/how-tos/getting-started-training-prediction）時，最明顯的使用案例可能會用到'訓練'工作，在你訓練模型的地方，訓練好的模型被存儲起來，稍後將被用來'服務'模型。 –

非常感謝你！最後一個問題，你有什麼想法，爲什麼以下serving_fn工作時使用？ _feature_spec = { 「輸出」：tf.placeholder（D型= tf.float32，形狀= [1，無]）} serving_input_fn = tf.estimator.export.build_raw_serving_input_receiver_fn（feature_spec）然後，使用 learn.Experiment（ ... ...參數 export_strategies = saved_model_export_utils.make_export_strategy（serving_input_fn = serving_input_fn））_ –

實驗中的出口策略是什麼？

回答

相關問題