Tôi đã tạo mô hình dựa trên ví dụ 'rộng và sâu' (https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/learn/wide_n_deep_tutorial.py).Cách tạo ứng dụng phân phối lưu lượng cho mô hình 'rộng và sâu'?
tôi đã xuất khẩu các mô hình như sau:
m = build_estimator(model_dir)
m.fit(input_fn=lambda: input_fn(df_train, True), steps=FLAGS.train_steps)
results = m.evaluate(input_fn=lambda: input_fn(df_test, True), steps=1)
print('Model statistics:')
for key in sorted(results):
print("%s: %s" % (key, results[key]))
print('Done training!!!')
# Export model
export_path = sys.argv[-1]
print('Exporting trained model to %s' % export_path)
m.export(
export_path,
input_fn=serving_input_fn,
use_deprecated_input_fn=False,
input_feature_key=INPUT_FEATURE_KEY
Câu hỏi của tôi là, làm thế nào để tạo ra một khách hàng để đưa ra dự đoán từ mô hình xuất khẩu này? Ngoài ra, tôi đã xuất mô hình chính xác chưa?
Cuối cùng, tôi cũng cần có khả năng thực hiện điều này trong Java. Tôi nghi ngờ tôi có thể làm điều này bằng cách tạo các lớp Java từ các tệp proto bằng cách sử dụng gRPC.
Tài liệu rất sơ sài, do đó tại sao tôi yêu cầu ở đây.
Rất cám ơn!
Bạn đã xem [hướng dẫn này] chưa (https://tensorflow.github.io/serving/serving_basic.html)? Trường hợp đã làm nó đi sai? –
Vâng, tôi đã nhìn vào lời cảm ơn này. Điều này là tuyệt vời nếu bạn đang sử dụng lưu lượng thuần túy, nhưng tôi đang sử dụng tf.contrib.learn api. Tôi không chắc chắn làm thế nào để xuất khẩu và tạo ra một khách hàng bằng cách sử dụng api này. –