java api 用于将 tfrecords 字节提供给张量流模型
java api for feeding tfrecords bytes to tensorflow model
有没有人知道高级 api 是否存在于 java 中，用于直接读取 tfrecords 并提供给 tensorflow savedModel 。 Python api 允许将 example.proto (tfrecords) 和张量馈送到 tf 模型进行推理。我在 java 中看到的唯一 api 是创建原始张量，有没有类似于 python sdk 的方法，我可以直接将 tfrecords (example.proto_ 保存到java 中的模型包。
我刚遇到同样的情况，我使用 Java Apache Beam 中的 TFRecordIO 来读取记录。例如，
pipeline
.apply(TFRecordIO.read().from(dataPath))
.apply(ParDo.of(new ModelEvaluationFn()));
在 ModelEvaluationFn 中，我使用 savedModel 进行评分。使用 Java Apache Beam，您可以 运行 在本地，在 GCP Dataflow、Spark、Flink 等上。但是如果您直接使用 Spark，则有 spark-tensorflow-connector。
我遇到的另一件事是如何解析 Java 中的 tfrecords，因为我需要通过使用一些列值来获取标签值和分组以获得细分分数。 org.tensorlfow/proto package can help you do that. Here are examples: example1, example2。本质上，它是 Example.parseFrom(byte[]).
有没有人知道高级 api 是否存在于 java 中，用于直接读取 tfrecords 并提供给 tensorflow savedModel 。 Python api 允许将 example.proto (tfrecords) 和张量馈送到 tf 模型进行推理。我在 java 中看到的唯一 api 是创建原始张量，有没有类似于 python sdk 的方法，我可以直接将 tfrecords (example.proto_ 保存到java 中的模型包。
我刚遇到同样的情况，我使用 Java Apache Beam 中的 TFRecordIO 来读取记录。例如，
pipeline
.apply(TFRecordIO.read().from(dataPath))
.apply(ParDo.of(new ModelEvaluationFn()));
在 ModelEvaluationFn 中，我使用 savedModel 进行评分。使用 Java Apache Beam，您可以 运行 在本地，在 GCP Dataflow、Spark、Flink 等上。但是如果您直接使用 Spark，则有 spark-tensorflow-connector。
我遇到的另一件事是如何解析 Java 中的 tfrecords，因为我需要通过使用一些列值来获取标签值和分组以获得细分分数。 org.tensorlfow/proto package can help you do that. Here are examples: example1, example2。本质上，它是 Example.parseFrom(byte[]).