如何将图像的TensorFlow服务输入函数实现为base64 64编码的字符串并在Cloud引擎上得到预测
我计划在预先对云机器学习(ML)引擎进行培训之后,在它上部署该模型,但我不知道如何实现服务输入函数。
此外,我还试图避免使用TensorFlow低级API,只关注TensorFlow高级API (TensorFlow Estimator)。下面的代码块是我正在处理的示例代码。
import numpy as np
import tensorflow as tf
import datetime
import os
# create model
from tensorflow.pyth
我是tensorflow的新手,我一直在遵循一些关于如何创建我们自己的估计器和训练模型的文档。我能够定义一个自定义模型并训练该模型。但是,当我尝试预测和读取这些值时,我无法读取estimator.predict返回的值。下面是我的代码示例
import numpy as np
import tensorflow as tf
# Declare list of features, we only have one real-valued feature
def model_fn(features, labels, mode):
# Build a linear model and pred
TensorFlow 1.4将TF数据集移动到核心(tf.data.Dataset),文档/教程建议使用tf.estimator来训练模型。
但是,正如在末尾建议的那样,必须在input_fn函数内实例化Dataset对象及其迭代器。这意味着每次调用estimator.train(input_fn, steps)时,数据集的迭代都将重新开始。因此,调用is with step< number of samples in epoch,将导致在数据集的子集上训练模型。
所以我的问题就来了。有没有可能用Estimator +Dataset实现这样的东西:
for i in range(num_