张量流服务 - "You must feed a value for placeholder tensor 'Placeholder_1'"

Question

我正在使用如下所示的导出来为我的模型提供服务：

features_placeholder = tf.placeholder(tf.float32, None)
labels_placeholder = tf.placeholder(tf.float32, None)
# Training loop code
......
# Train is finished.
# Export model
tf.saved_model.simple_save(sess,param.logs_dir + 'model_export', 
{"features": features_placeholder}, {"binary_classif": labels_placeholder})

然后，我发出以下 POST 请求(原始正文(：

{"实例" ： [

1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0]}我得到的错误如下：

{ "error"： "您必须使用 dtype float\t 为 占位符张量 \'Placeholder_1\' 输入一个值 [[Node： Placeholder_1 = Placeholder_output_shapes=[]， dtype=DT_FLOAT， shape=， _device=\"/job：localhost/replica：0/task：0/device：CPU：0\"]]" }

有谁知道我做错了什么？

Answer 1

您必须确保两个占位符的形状features_placeholder和labels_placeholder对应于两个变量的形状features_feed和labels_feed以避免在输入字典时遇到的错误。

Answer 2

对于那些寻求这个问题的答案的人，我会试一试。

导出模型时，simple_save函数需要张量指针，而不是占位符。一种方法是在定义模型时命名张量，如下所示：

def inference(features):
layer_1 = nn_layer(features, get_num_features(), get_num_hidden1(), 'layer1', act=tf.nn.relu)
logits = nn_layer(layer_1, get_num_hidden1(), get_num_classes(), 'out', act=tf.identity)
logits = tf.identity(logits, name='predictions')
return logits

由于我已经将我的对数张量命名为"预测"，我现在能够在保存模型之前以图形模式获取此张量：

features = graph.get_tensor_by_name('features:0')
predictions = graph.get_tensor_by_name('predictions:0')
tf.saved_model.simple_save(sess,param.logs_dir + 'model_export', 
{"features": features}, 
{"predictions": predictions})

注意：Tensorflow 文档非常简短，尤其是关于 simple_save 函数。这是我可以使其工作的唯一方法，但我不能 100% 确定正确的方法。