ml-engine预测参数解析错误

Question

在成功部署了数十种模型后，由于解析和其他参数错误，只有最普通的（一个arg in / out）曾经成功地返回了预测结果，然后我回到了正式的深度模型： 正式的深度教程和这： 提供广泛而深入的教程继续，以尝试在ml-engine上导出，部署和预测。 我无法获得文本或json参数的任何排列来传递解析。 这是我的一些测试和响应：

1）输入文件内容，文字：

25,0,0,"11th",7,"Male",40,"United-States","Machine-op-inspct","Own-child","Private"

响应：

{"error": "Prediction failed: Error during model execution: AbortionError(code=StatusCode.INVALID_ARGUMENT, details=\"Could not parse example input, value: '25,0,0,\"11th\",7,\"Male\",40,\"United-States\",\"Machine-op-inspct\",\"Own-child\",\"Private\"'\n\t [[Node: ParseExample/ParseExample = ParseExample[Ndense=5, Nsparse=6, Tdense=[DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT, DT_FLOAT], dense_shapes=[[1], [1], [1], [1], [1]], sparse_types=[DT_STRING, DT_STRING, DT_STRING, DT_STRING, DT_STRING, DT_STRING], _device=\"/job:localhost/replica:0/task:0/device:CPU:0\"](_arg_input_example_tensor_0_0, ParseExample/ParseExample/names, ParseExample/ParseExample/sparse_keys_0, ParseExample/ParseExample/sparse_keys_1, ParseExample/ParseExample/sparse_keys_2, ParseExample/ParseExample/sparse_keys_3, ParseExample/ParseExample/sparse_keys_4, ParseExample/ParseExample/sparse_keys_5, ParseExample/ParseExample/dense_keys_0, ParseExample/ParseExample/dense_keys_1, ParseExample/ParseExample/dense_keys_2, ParseExample/ParseExample/dense_keys_3, ParseExample/ParseExample/dense_keys_4, ParseExample/Const, ParseExample/Const, ParseExample/Const, ParseExample/Const, Pa...TRUNCATED\")"}

2）输入文件内容，json：

{"age":25,"capital_gain":0,"capital_loss":0,"education":"11th","education_num":7,"gender":"Male","hours_per_week":40,"native_country":"United-States","occupation":"Machine-op-inspct","relationship":"Own-child","workclass":"Private"}

响应：

{....failed: Expected tensor name: inputs, got tensor name: [u'hours_per_week', u'native_country',....}

3）输入文件内容，json：

{"inputs":{"age":25,"capital_gain":0,"capital_loss":0,"education":"11th","education_num":7,"gender":"Male","hours_per_week":40,"native_country":"United-States","occupation":"Machine-op-inspct","relationship":"Own-child","workclass":"Private"}}

响应：

{....Error processing input: Expected string, got {u'hours_per_week': 40, u'native_count....}

4）输入文件内容，json：

{"inputs":"25,0,0,11th,7,Male,40,United-States,Machine-op-inspct,Own-child,Private"}

响应：

{...."Prediction failed: Error during model execution: AbortionError(code=StatusCode.INVALID_ARGUMENT, details=\"Could not parse example input, value: '25,0,0,11th,7,Male,40,United-States,Machine-op-inspct,Own-child,Private'\n\t [[Node: ParseExample/ParseExample = ParseExample[Ndense=5,....}

我也尝试使用内部转义引号，各种列表/数组等。

请告诉我，我只需要在预测请求中（以及如何）重新格式化我的输入内容：）-谢谢

Answer 1

在当前情况下，在接受JSON的图形和接受tf.train.Example的图形之间进行选择是互斥的，这意味着您必须稍微不同地导出图形。

从广泛而深入的教程继续 ，请更改以下几行：

feature_spec = tf.feature_column.make_parse_example_spec(feature_columns)
export_input_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)

至

inputs = {}
for feat in INPUT_COLUMNS:
  inputs[feat.name] = tf.placeholder(shape=[None], dtype=feat.dtype)
export_input_fn = tf.estimator.export.build_raw_serving_input_receiver_fn(inputs)

作为参考，参见该样品 ，特别是*_serving_fn中定义model.py （例如此处 ）; 该示例还显示了如何导出需要CSV作为输入的图形。

另一个要注意的是，如果您使用gcloud发送请求（相对于请求库），则输入数据格式不是发送请求的全部内容： gcloud使用文件中的每一行构造请求。 因此，发送到服务器的实际请求的主体将类似于：

{
  "instances": [
    {
      "age": 25,
      "capital_gain": 0,
      "capital_loss": 0,
      "education": "11th",
      "education_num": 7,
      "gender": "Male",
      "hours_per_week": 40,
      "native_country": "United-States",
      "occupation": "Machine-op-inspct",
      "relationship": "Own-child",
      "workclass": "Private"
    }
  ]
}

而相应的--json-instances文件将如下所示：

{"age":25,"capital_gain":0,"capital_loss":0,"education":"11th","education_num":7,"gender":"Male","hours_per_week":40,"native_country":"United-States","occupation":"Machine-op-inspct","relationship":"Own-child","workclass":"Private"}

gcloud将每一行的内容gcloud到上面“实际”请求中所示的数组中。