在Google ml-engine中使用經過訓練的keras模型

Question

我正在嘗試使用帶有tensorflow的gcloud ml-engine，更確切地說，我想使用一個已經受過訓練的keras模型。

我設法用sciktlearn模型做到了這一點，但這在這里不一樣...

首先，我與Keras一起訓練一個簡單的模型

import numpy as np
from tensorflow import keras

# Creating the dataset
X = np.random.random((500,9))
y = (np.random.random(500)>0.5).astype(int)

# Splitting 
idx_train, idx_test = np.arange(400), np.arange(400,500)
X_train, X_test = X[idx_train], X[idx_test]
y_train, y_test = y[idx_train], y[idx_test]



def define_model():    
    input1 = keras.layers.Input(shape=(9,),name="values")
    hidden = keras.layers.Dense(50, activation='relu', name="hidden")(input1)

    preds = keras.layers.Dense(1, activation='sigmoid', name="labels")(hidden)

    model = keras.models.Model(inputs=input1, 
                  outputs=preds)

    model.compile(loss='binary_crossentropy',
                  optimizer='adam', 
                  metrics=["accuracy"])
    model.summary()

    return model

model = define_model()
model.fit(X_train, y_train,
          batch_size=10, 
          epochs=10, validation_split=0.2)

我讀到我需要一個SavedModel才能在此處的ml-engine中使用它https://cloud.google.com/ml-engine/docs/tensorflow/deploying-models

看來我必須將其轉換為估計量

model.save("./model_trained_test.h5")
estimator_model = keras.estimator.model_to_estimator(keras_model_path="./model_trained_test.h5")

我設法用這個估算器做出預測

def input_function(features,labels=None,shuffle=False):
    input_fn = tf.estimator.inputs.numpy_input_fn(
        x={"values": features},
        y=labels,
        shuffle=shuffle
    )
    return input_fn
score = estimator_model.evaluate(input_function(X_test, labels=y_test.reshape(-1,1)))

為了將其導出到SavedModel，我需要serving_input_receiver_fn。 我在互聯網上找不到適合我的情況的示例，這對我來說似乎很簡單，因此我嘗試了此功能，然后將模型保存在“ here_are_estimators”文件夾中

feature_spec = {'values': tf.FixedLenFeature(9, dtype=tf.float32)}

def serving_input_receiver_fn():

    serialized_tf_example = tf.placeholder(dtype=tf.string,
                                           shape=[None],
                                           name='input_tensors')
    receiver_tensors = {'examples': serialized_tf_example}
    features = tf.parse_example(serialized_tf_example, feature_spec)
    return tf.estimator.export.ServingInputReceiver(features, receiver_tensors)

estimator_model.export_savedmodel("./here_are_estimators",
                                  serving_input_receiver_fn=serving_input_receiver_fn)

我的input.json看起來像這樣

{"examples":[{"values":[[0.2,0.3,0.4,0.5,0.9,1.5,1.6,7.3,1.5]]}]}

我將生成的文件，變量文件夾和saved_model.pb文件的內容上傳到目錄DEPLOYMENT_SOURCE中的GCS

當我嘗試使用以下命令使用gcloud運行本地預測時：

gcloud ml-engine local predict --model-dir $DEPLOYMENT_SOURCE --json-instances="input.json" --verbosity debug --framework tensorflow

我有這個錯誤

cloud.ml.prediction.prediction_utils.PredictionError: Failed to run the provided model: Exception during running the graph: Cannot feed value of shape (1, 1) for Tensor 'input_tensors:0', which has shape '(?,)' (Error code: 2)

我想我的input.json或serve_input_receiver_fn或這兩者都存在問題，但是我找不到原因。 如果有人可以告訴我哪里出了問題，將不勝感激:)

Answer 1

您不應該嘗試解析tf.Example，因為您正在發送JSON。 嘗試將其導出：

def serving_input_receiver_fn(): 
    inputs = {"values": tf.placeholder(dtype=tf.float32,
                                       shape=[None, 9],
                                       name='input_tensors')}
    return tf.estimator.export.ServingInputReceiver(inputs, inputs) 

estimator_model.export_savedmodel("./here_are_estimators", serving_input_receiver_fn=serving_input_receiver_fn)

輸入應如下所示：

{"values":[0.2,0.3,0.4,0.5,0.9,1.5,1.6,7.3,1.5]}

還有一個更簡潔的“速記”：

[0.2,0.3,0.4,0.5,0.9,1.5,1.6,7.3,1.5]