TensorFlow WALS 矩陣分解估計器的 export_savedmodel() 如何正確？

Question

我在 TensorFlow 上使用這個WALS 矩陣分解模塊。 擬合估算器后，我嘗試使用 export_savedmodel() 方法保存模型，但無法提供正確的 services_input_fn 參數。 代碼在這里：

from tensorflow.contrib.factorization.python.ops import wals as wals_lib

# dense input array that shows the user X item interactions
# here set as dummy array
dense_array = np.ones((10,10))
num_rows, num_cols = dense_array.shape
emebedding_dim = 5 # manually setting hidden factor

factorizer = wals_lib.WALSMatrixFactorization(num_rows, num_cols, embedding_dim, max_sweeps=10)

# this generate_input_fn() is not shown here but it's a copy of
# https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/contrib/factorization/python/ops/wals_test.py#L82
input_fn, _, _ = generate_input_fn(np_matrix=dense_array, batch_size=32, mode=model_fn.ModeKeys.TRAIN)
factorizer.fit(input_fn, steps=10)

# MY PROBLEM IS HERE
# How to define the correct serving input function?
factorizer.export_savedmodel('path/to/save/model', serving_input_fn=???)

這里棘手的部分是，我相信 WALS 模塊使用的是 TensorFlow 的舊范式，其中serving_input_fn參數期望返回一個InputFnOps的可調用函數。 但是，更新程度更高的 Estimator，例如這個，需要一個返回tf.estimator.export.ServingInputReceiver或tf.estimator.export.TensorServingInputReceiver 。 我承認我還沒有完全精通 TensorFlow 的輸入函數，但是對於我保存 WALS 估算器的特定用例的任何幫助將不勝感激。 謝謝！

Answer 1

您對 Tensorflow 1.x 已棄用的部分是正確的。 對於 WALSMatrixFactorization，您的serving_input_fn需要返回一個InputFnOps對象。 因此，正確的輸入函數是：

def serving_input_receiver_fn():
    # some example input
    receiver_tensors = {'my_input': tf.placeholder(dtype=tf.string, shape=[None, 1], name='foo')}
    # some example feature that completely ignores the input
    features = {
        WALSMatrixFactorization.INPUT_ROWS: tf.SparseTensor(indices=[[0, 0], [1, 2]], values=[1., 2.], dense_shape=[3, 4]),
        WALSMatrixFactorization.INPUT_COLS: tf.SparseTensor(indices=[[0, 0], [1, 2]], values=[3., 4.], dense_shape=[3, 4]),
        WALSMatrixFactorization.PROJECT_ROW: tf.constant(True),
    }
    return tf.contrib.learn.utils.InputFnOps(features, None, receiver_tensors)