使用Google Cloud Platform和AI平台提供预测服务
使用Google Cloud Platform和AI平台提供预测服务
提问于 2019-09-06 16:22:13
我在tensorflow的帮助下训练了一个AI模型，需要使用Google AI平台来提供预测服务。
现在AI平台指定模型需要是特定的'SavedModel‘格式，以便我将模型上传到云并提供预测。
如何将模型转换为指定的'SavedModel‘格式？
另外，有没有端到端的教程可以帮助我做同样的事情？
回答 1
Stack Overflow用户
发布于 2020-11-05 16:23:45
在一个标准的训练循环中，最后应该有如下代码
.....
def train_and_evaluate(output_dir, hparams):
get_train = read_dataset(hparams['train_data_path'],
tf.estimator.ModeKeys.TRAIN,
hparams['train_batch_size'])
get_valid = read_dataset(hparams['eval_data_path'],
tf.estimator.ModeKeys.EVAL,
1000)
estimator = tf.estimator.Estimator(model_fn=sequence_regressor,
params=hparams,
config=tf.estimator.RunConfig(
save_checkpoints_steps=
hparams['save_checkpoint_steps']),
model_dir=output_dir)
train_spec = tf.estimator.TrainSpec(input_fn=get_train,
max_steps=hparams['train_steps'])
exporter = tf.estimator.LatestExporter('exporter', serving_input_fn)
eval_spec = tf.estimator.EvalSpec(input_fn=get_valid,
steps=None,
exporters=exporter,
start_delay_secs=hparams['eval_delay_secs'],
throttle_secs=hparams['min_eval_frequency'])
tf.estimator.train_and_evaluate(estimator, train_spec, eval_spec)尤其是这部分
estimator = tf.estimator.Estimator(model_fn=sequence_regressor,
params=hparams,
config=tf.estimator.RunConfig(
save_checkpoints_steps=
hparams['save_checkpoint_steps']),
model_dir=output_dir)在此指定将模型导出到output_dir的步数(save_checkpoints_steps)。
你的代码中有类似这样的东西吗？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/57818293
复制相关文章
相似问题
腾讯云开发者
