时间戳

首页 > 解决方案 > 从 TensorFlow Estimator 模型 (2.0) 保存、加载和预测

tensorflow - 从 TensorFlow Estimator 模型 (2.0) 保存、加载和预测

问题描述

Estimator在 TF2 中是否有序列化和恢复模型的指南？文档参差不齐，其中大部分没有更新到 TF2。我还没有在任何地方看到一个清晰且完整的示例，Estimator可以保存、从磁盘加载并用于根据新输入进行预测。

TBH，我对这看起来有多复杂感到有些困惑。估计器被称为拟合标准模型的简单、相对高级的方法，但在生产中使用它们的过程似乎非常神秘。例如，当我从磁盘加载模型时，tf.saved_model.load(export_path)我得到一个AutoTrackable对象：

<tensorflow.python.training.tracking.tracking.AutoTrackable at 0x7fc42e779f60>

不清楚为什么我不Estimator回来。看起来曾经有一个听起来很有用的函数tf.contrib.predictor.from_saved_model，但由于contrib它消失了，它似乎不再发挥作用（除了它出现在 TFLite 中）。

任何指针都会非常有帮助。正如你所看到的，我有点迷路了。

标签： tensorflow

解决方案

也许作者不再需要答案，但我能够使用 TensorFlow 2.1 保存和加载 DNNClassifier

# training.py
from pathlib import Path
import tensorflow as tf

....
# Creating the estimator
estimator = tf.estimator.DNNClassifier(
    model_dir = <model_dir>,
    hidden_units = [1000, 500],
    feature_columns = feature_columns, # this is a list defined earlier
    n_classes = 2,
    optimizer = 'adam')

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)
servable_model_path = Path(estimator.export_saved_model(<model_dir>, export_input_fn).decode('utf8'))
print(f'Model saved at {servable_model_path}')

对于加载，您找到了正确的方法，您只需要检索predict_fn

# testing.py
import tensorflow as tf
import pandas as pd

def predict_input_fn(test_df):
    '''Convert your dataframe using tf.train.Example() and tf.train.Features()'''
    examples = []
    ....
    return tf.constant(examples)

test_df = pd.read_csv('test.csv', ...)

# Loading the estimator
predict_fn = tf.saved_model.load(<model_dir>).signatures['predict']
# Predict
predictions = predict_fn(examples=predict_input_fn(test_df))

希望这也可以帮助其他人（：

推荐阅读