tensorflow - 如何将后处理添加到 Tensorflow 模型中?
问题描述
我正在尝试保存一个 TensorFlow 模型,其中包括一些标签的后处理。
给定一些分类标签,我有兴趣训练一个模型(例如 a tf.keras.Sequential
),我之前在其中对标签应用了 One-hot 编码。这就是模型的样子:
model = tf.keras.Sequential([
tf.keras.layers.DenseFeatures(transform_features),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(1)
])
model.compile(loss='categorical_crossentropy',optimizer='adam')
history = model.fit(train_data, epochs=5)
其中transform_features
是 的列表tf.feature_columns
,train_data
是tf.data.Dataset
包含训练数据的(train_X,train_y)
。
一旦训练了模型,我想应用一些后处理。我想在一个新的(或相同的)TensorFlow 模型中添加这个后处理,这样当我要求对此模型进行预测时(例如,在 BigQuery 中使用导入的 TensorFlow 模型进行预测),它会给我解码后的最终标签。
我正在考虑制作前面所示的第一个模型,并在对其进行训练后,将以下层添加到模型中:
from tf.keras.layers import Lambda
model.add(Lambda(lambda x: tf.argmax(x, axis=-1)))
但我不知道如何“合并”这两个不同的模型并将它们保存为相同的 TensorFlow SavedModel 格式(使用tf.saved_model.save(model, MODEL_PATH)
)。有没有什么方法可以让一个云在 Tensorflow 中进行这种后处理?
谢谢
解决方案
推荐阅读
- node.js - Session vs Cookie,有什么区别?
- wordpress - 如何通过 WooCommerce 将 Amazon S3 存储桶中的访问限制为包含课程信息的特定文件夹
- aws-lambda - 有问题/如何在 lambda 函数中连接到 MQTT 代理以获得 Alexa 技能
- python - Python代码导致褪色的新像素颜色应该是明亮的
- java - 是否可以访问枚举的值?
- haskell - 将完整的单子动作提升到变压器(>>= 但对于单子变压器)
- python - 使用 Selenium 单击下一页
- python-3.x - “管道”对象不可下标
- c# - 午餐后显示场景一次
- javascript - onclick标签按钮在角度不起作用