[英]How to use multiple inputs in Tensorflow 2.x Keras Custom Layer?
[英]How to use multiple inputs for custom Tensorflow model hosted by AWS Sagemaker
我有一個訓練有素的Tensorflow模型,它使用兩個輸入來進行預測。 我已經在AWS Sagemaker上成功設置並部署了該模型。
from sagemaker.tensorflow.model import TensorFlowModel
sagemaker_model = TensorFlowModel(model_data='s3://' + sagemaker_session.default_bucket()
+ '/R2-model/R2-model.tar.gz',
role = role,
framework_version = '1.12',
py_version='py2',
entry_point='train.py')
predictor = sagemaker_model.deploy(initial_instance_count=1,
instance_type='ml.m4.xlarge')
predictor.predict([data_scaled_1.to_csv(),
data_scaled_2.to_csv()]
)
我總是收到一個錯誤。 我可以使用AWS Lambda函數,但是我沒有看到有關為已部署模型指定多個輸入的任何文檔。 有誰知道如何做到這一點?
您可能需要自定義端點中加載的推理功能。 在SageMaker TF SDK文檔中 ,您可以發現SageMaker TensorFlow部署有兩個選項:
您可以在Cloudwatch中診斷錯誤(可通過sagemaker端點UI訪問),在上述兩者中選擇最合適的服務架構,並在需要時自定義推理功能
只有TF服務端點在一個推理請求中支持多個輸入。 您可以按照此處的文檔來部署TFS端點 - https://github.com/aws/sagemaker-python-sdk/blob/master/src/sagemaker/tensorflow/deploying_tensorflow_serving.rst
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.