作业不生成 /export 目录
Job not generating /export directory
我正在按照 the guide 部署之前生成作业的模型:
$ gcloud ml-engine jobs submit training testX
--job-dir="gs://testxxx/run1"
--package-path=trainer
--module-name=trainer.task
--region us-central1
--runtime-version=1.0
当我看到输出路径的内容时,我没有看到 "export" 目录,只有这个:
$ gsutil ls -r $OUTPUT_PATH
gs://testxxx/run1/:
gs://testxxx/run1/
gs://testxxx/run1/packages/:
gs://testxxx/run1/packages/fcd2eee0ae2b155ccb3b644c26cf75d6cf81b2dd068122690c9a4baf8ff8e8f5/:
gs://testxxx/run1/packages/fcd2eee0ae2b155ccb3b644c26cf75d6cf81b2dd068122690c9a4baf8ff8e8f5/trainer-0.1.tar.gz
我是不是忘记了什么步骤?
您提交的代码负责导出模型。您可以在 ; please reference SavedModel docs.
上找到示例
您的模型的输入和输出当然会特定于您的模型,但为了方便(并稍作修改),这里是来自 post 的代码:
### BUILD THE PREDICTION GRAPH
in_image = tf.placeholder(tf.uint8, shape=(None,))
out_classes = build_prediction_graph(in_image)
### DEFINE SAVED MODEL SIGNATURE
inputs = {'image_bytes': tf.saved_model.utils.build_tensor_info(in_image)}
outputs = {'prediction': tf.saved_model.utils.build_tensor_info(out_classes)}
signature = tf.saved_model.signature_def_utils.build_signature_def(
inputs=inputs,
outputs=outputs,
method_name='tensorflow/serving/predict'
)
### SAVE OUT THE MODEL
b = saved_model_builder.SavedModelBuilder('new_export_dir')
b.add_meta_graph_and_variables(sess,
[tf.saved_model.tag_constants.SERVING],
signature_def_map={'serving_default': signature})
b.save()
我正在按照 the guide 部署之前生成作业的模型:
$ gcloud ml-engine jobs submit training testX
--job-dir="gs://testxxx/run1"
--package-path=trainer
--module-name=trainer.task
--region us-central1
--runtime-version=1.0
当我看到输出路径的内容时,我没有看到 "export" 目录,只有这个:
$ gsutil ls -r $OUTPUT_PATH
gs://testxxx/run1/:
gs://testxxx/run1/
gs://testxxx/run1/packages/:
gs://testxxx/run1/packages/fcd2eee0ae2b155ccb3b644c26cf75d6cf81b2dd068122690c9a4baf8ff8e8f5/:
gs://testxxx/run1/packages/fcd2eee0ae2b155ccb3b644c26cf75d6cf81b2dd068122690c9a4baf8ff8e8f5/trainer-0.1.tar.gz
我是不是忘记了什么步骤?
您提交的代码负责导出模型。您可以在
您的模型的输入和输出当然会特定于您的模型,但为了方便(并稍作修改),这里是来自 post 的代码:
### BUILD THE PREDICTION GRAPH
in_image = tf.placeholder(tf.uint8, shape=(None,))
out_classes = build_prediction_graph(in_image)
### DEFINE SAVED MODEL SIGNATURE
inputs = {'image_bytes': tf.saved_model.utils.build_tensor_info(in_image)}
outputs = {'prediction': tf.saved_model.utils.build_tensor_info(out_classes)}
signature = tf.saved_model.signature_def_utils.build_signature_def(
inputs=inputs,
outputs=outputs,
method_name='tensorflow/serving/predict'
)
### SAVE OUT THE MODEL
b = saved_model_builder.SavedModelBuilder('new_export_dir')
b.add_meta_graph_and_variables(sess,
[tf.saved_model.tag_constants.SERVING],
signature_def_map={'serving_default': signature})
b.save()