TensorFlow v2:替代 tf.contrib.predictor.from_saved_model

TensorFlow v2: Replacement for tf.contrib.predictor.from_saved_model

到目前为止,我正在使用 tf.contrib.predictor.from_saved_model 加载 SavedModeltf.estimator 模型 class)。然而,不幸的是,这个功能在 TensorFlow v2 中被移除了。到目前为止,在 TensorFlow v1 中,我的编码如下:

 predict_fn = predictor.from_saved_model(model_dir + '/' + model, signature_def_key='predict')

 prediction_feed_dict = dict()

 for key in predict_fn._feed_tensors.keys():

     #forec_data is a DataFrame holding the data to be fed in 
     for index in forec_data.index:
         prediction_feed_dict[key] = [ [ forec_data.loc[index][key] ] ]

 prediction_complete = predict_fn(prediction_feed_dict)

使用 tf.saved_model.load,我在 TensorFlow v2 中尝试了以下操作但未成功:

 model = tf.saved_model.load(model_dir + '/' + latest_model)
 model_fn = model.signatures['predict']

 prediction_feed_dict = dict()

 for key in model_fn._feed_tensors.keys(): #<-- no replacement for _feed_tensors.keys() found

     #forec_data is a DataFrame holding the data to be fed in 
     for index in forec_data.index:
         prediction_feed_dict[key] = [ [ forec_data.loc[index][key] ] ]

 prediction_complete = model_fn(prediction_feed_dict) #<-- no idea if this is anyhow close to correct

所以我的问题是(都在 TensorFlow v2 的上下文中):

  1. 如何替换 _feed_tensors.keys()
  2. 如何使用加载有 tf.saved_model.load
  3. tf.estimator 模型以直接的方式进行推理

非常感谢,感谢任何帮助。

注意:此问题与 here 发布的问题不重复,因为那里提供的答案都依赖于已在 TensorFlow v2 中删除的 TensorFlow v1 功能。

编辑: postet here 的问题似乎问的基本上是同样的事情,但直到现在 (2020-01-22) 也没有答案。

希望您已经使用类似于下面提到的代码保存了 Estimator 模型:

input_column = tf.feature_column.numeric_column("x")
estimator = tf.estimator.LinearClassifier(feature_columns=[input_column])

def input_fn():
  return tf.data.Dataset.from_tensor_slices(
    ({"x": [1., 2., 3., 4.]}, [1, 1, 0, 0])).repeat(200).shuffle(64).batch(16)
estimator.train(input_fn)

serving_input_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(
  tf.feature_column.make_parse_example_spec([input_column]))
export_path = estimator.export_saved_model(
  "/tmp/from_estimator/", serving_input_fn)

您可以使用下面提到的代码加载模型:

imported = tf.saved_model.load(export_path)

Predict 通过输入特征使用您的模型,您可以使用以下代码:

def predict(x):
  example = tf.train.Example()
  example.features.feature["x"].float_list.value.extend([x])
  return imported.signatures["predict"](examples=tf.constant([example.SerializeToString()]))

print(predict(1.5))
print(predict(3.5))

有关详细信息,请参阅this link,其中解释了使用 TF 估计器保存的模型。