Wie können wir ein Tensorflow-Modell aus einem contrib.learn.Classifier speichern?

Question

Ich möchte ein Modell aus contrib.learn.Classifier speichern, aber ich weiß nicht, wie man auf seine internen Knoten verweisen kann. Dies ist der Code, den ich in einem Vanille-Tensorflow-Modell (y = W * x + b) verwende, und es funktioniert großartig.

W = tf.Variable([], dtype=tf.float32) 
b = tf.Variable([], dtype=tf.float32) 
x = tf.placeholder(tf.float32, name="x") 
my_model = tf.add(W * x, b, name="model") 
... # training 
builder = tf.saved_model.builder.SavedModelBuilder("/tmp/saved_model") 
builder.add_meta_graph_and_variables(sess, ["predict_tag"], signature_def_map= { 
      "model": tf.saved_model.signature_def_utils.predict_signature_def(
       inputs= {"x": x}, 
       outputs= {"model": my_model}) 
      }) 
builder.save() 

Nun, wenn ich contrib.learn.Classifier

estimator = tf.contrib.learn.LinearClassifier(feature_columns=feature_columns) 
estimator.fit(input_fn=train_input_fn, steps=1000) 

Wie kann ich die builder oben in ähnlicher Weise für diese letztere estimator benutzen? Beachten Sie, dass ich nicht tun möchte tf.train.Saver().save(sess, "/tmp/model"); Die Verwendung der saved_model.builder ist eine Voraussetzung. Vielen Dank!

Answer 1

können Sie verwenden, um die export_savedmodel Funktion des Schätzer, die Inferenz Graphen als SavedModel in bestimmtem Verzeichnis exportiert., tf.contrib.learn.LinearClassifier

from tensorflow.contrib.layers.python.layers import feature_column as feature_column_lib 
from tensorflow.contrib.learn.python.learn.utils.input_fn_utils import build_parsing_serving_input_fn 

# create feature specs from feature columns 
feature_spec = feature_column_lib.create_feature_spec_for_parsing(
    feature_columns) 

# create the input function 
serving_input_fn = build_parsing_serving_input_fn(feature_spec) 

# finally save the model 
estimator.export_savedmodel('/path/to/save/my_model/', serving_input_fn=input_receiver_fn)