问Tensorflow服务从输入函数转换数据
EN

Stack Overflow用户

提问于 2019-03-21 07:55:04

回答 1查看 521关注 0票数 0

目前我正在开发一个tensorflow模型。该模型根据2个字符串和一个数字对情况进行分类。所以我的占位符如下所示：

Input1 = tf.placeholder("string", shape=None, name="string1")
Input2 = tf.placeholder("string", shape=None, name="string2")
Input3 = tf.placeholder("float", shape=None, name="distance")
label = tf.placeholder("int64", shape=None, name="output")

我想用Tensorflow服务于这个模型，代码如下：

    signature_definition = tf.saved_model.signature_def_utils.build_signature_def(
        inputs={'input1': model_input1, 'input2': model_input2, 'input3': model_input3},
        outputs={'outputs': model_output},
        method_name=tf.saved_model.signature_constants.PREDICT_METHOD_NAME)

    builder = tf.saved_model.builder.SavedModelBuilder(SERVE_PATH)

    builder.add_meta_graph_and_variables(
        sess, [tf.saved_model.tag_constants.SERVING],
        signature_def_map={
            tf.saved_model.signature_constants.DEFAULT_SERVING_SIGNATURE_DEF_KEY:
                signature_definition
        })

但是我编写的模型希望字符串作为one_hot编码的输入。有人知道如何将输入张量转换为one_hot编码的张量，并将其提供给我的模型吗？在训练我的模型时，我只是在喂它们之前用一个函数对它们进行了转换。在服务时，这似乎是不可能的，因为我只能定义输入函数，而不能定义输入数据流。

python