- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我成功训练了 TensowFlow 增强树估计器。现在我想将其保存为 SavedModel。问题是我收到以下错误。 ValueError: All feature_columns must be _FeatureColumn instances. Given: [NumericColumn(key='fcoeffvariation_Result', shape=(1,), default_value=None, dtype=tf.float32, normalizer_fn=None), NumericColumn(key='fcountabove2sigma_Result', shape=(1,), default_value=None, dtype=tf.float32, normalizer_fn=None)]
下面是我的代码。有人看出问题是什么吗? measurementData
variabele 是一个 panda 数据框。特点fcoeffvariation_Result, fcountabove2sigma_Result
是浮点特征,标签特征是 bool 值(0或1)。
measurementData = measurementData[['fcoeffvariation_Result', 'fcountabove2sigma_Result', 'label']]
df = measurementData.copy()
df_features = measurementData.copy()
#Delete target feature from dataframe
del df_features['label']
# Spiting the data to train and test
X_feature = df_features.copy()
Y_label = df['label'].copy()
X_feature_train, X_feature_test, Y_feature_train, Y_feature_test = train_test_split(X_feature, Y_label, test_size=0.3)
############################Create input functions
# Create a input function to train the model
input_func_train = tf.estimator.inputs.pandas_input_fn(x=X_feature_train,y=Y_feature_train, batch_size=50,shuffle=True)
# Create a input function to evaluate the model after train
input_func_test = tf.estimator.inputs.pandas_input_fn(x=X_feature_test, y=Y_feature_test, batch_size=50,shuffle=False)
# Create a input function for prediction
input_func_prediction = tf.estimator.inputs.pandas_input_fn(x=X_feature_test,y=Y_feature_test, batch_size=50,shuffle=False)
###########################Feature Columns
my_feature_columns = [tf.feature_column.numeric_column(key=key)
for key in X_feature_train.keys()]
###########################Train model
linear_est = tf.estimator.LinearClassifier(my_feature_columns)
linear_est.train(input_fn=input_func_train, max_steps=100)
###################################Convert to savedmodel
serving_input_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(
tf.feature_column.make_parse_example_spec([my_feature_columns]))
export_path = linear_est.export_saved_model(
"path", serving_input_fn)
最佳答案
您需要将您的特征转换为 Tensorflow 可以接受的格式。在拟合模型之前尝试将列转换为特征列。更多信息请点击:https://www.tensorflow.org/tutorials/structured_data/feature_columns
关于python - 将 tensorflow 估计器转换为 SavedModel 时出错,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59359057/
我正在阅读 documentation和 TensorflowJS 转换器的源代码,它明确区分了 Keras SavedModel 和 Tensorflow SavedModel。 格式之间有什么区别
我有一个 Tensorflow R1.13 训练代码,它在长时间的训练运行期间定期保存一个 SavedModel(我正在关注关于该主题的优秀 article)。我注意到每次保存模型时,尺寸都会增加。事
我在Docker上运行了Tensorflow SavedModel。我在Docker Quickstart Terminal中使用了以下命令,它可以正常工作,为我提供了预测和概率。 curl -d'{
我写了下面的代码,它假设加载一个模型,然后对来自 MNIST 数据集的元素进行预测运行。在执行开始时,代码工作正常,我得到了我想要的预测,但突然间我确实收到了以下错误,我不确定这是否与 .predic
我刚刚完成模型的训练,却发现我导出的服务模型存在签名问题。我如何更新它们? (一个常见问题是为 CloudML Engine 设置错误的形状)。 最佳答案 别担心——您不需要重新训练您的模型。也就是说
我刚刚完成模型的训练,却发现我导出的服务模型存在签名问题。我如何更新它们? (一个常见问题是为 CloudML Engine 设置错误的形状)。 最佳答案 别担心——您不需要重新训练您的模型。也就是说
我有几个关于 SavedModel 的问题API,其documentation我发现很多细节无法解释。 前三个问题是关于传递给 add_meta_graph_and_variables() 的参数的内
我微调了来自 Tensorflow hub 的 BERT 模型,以构建一个简单的情绪分析器。该模型训练并运行良好。在导出时,我简单地使用了: tf.saved_model.save(模型, expor
如果我使用 tensorflow.saved_model.save 保存我的模型SavedModel 格式的函数,之后如何检索此模型中使用了哪些 Tensorflow Ops。由于模型可以恢复,所以这
更新:请参阅我自己对这个问题的回答。这是tensorflow Efficientnet的一个bug 我想做什么 我想微调高效网络。首先,我成功完成了训练并保存了一个模型。它由一个卡住的高效网络和全连接
我们训练了模型的许多变体,这些变体具有不同的配置,并且需要不同的输入预处理(其中预处理是在 TensorFlow 之外完成的)。我想将我们的模型导出为 SavedModels,并且我认为我们将拥有一个
我已经导出了一个 SavedModel,现在我可以将其重新加载并进行预测。它使用以下特征和标签进行训练: F1 : FLOAT32 F2 : FLOAT32 F3 : FLOAT32 L1 : FLO
我正在尝试对使用 SavedModel 加载的模型进行对抗性攻击API。我想针对给定目标的模型损失对输入进行梯度下降。代码有点长,但它是说明问题的最低限度。 from __future__ impor
我已经构建了一个系统,该系统利用 Google ML Engine 使用简单的平面 CNN 架构(从优秀的 WildML post 借用)来训练各种文本分类器。我还大量利用了现有的 ML Engine
我训练了一个用于图像分类的经典 CNN(预训练移动网络)。我现在想在 C++ 中使用这个模型。根据我的理解,我需要创建一个模型库,它可以接受输入并返回其输出。我将模型保存为 .pb (SavedMod
我在将 Keras 生成的顺序模型保存为 SavedModel 格式时遇到问题。 正如 https://www.tensorflow.org/guide/keras/save_and_serializ
我正在尝试优化用于推理的已保存图表,以便我可以在 Android 中使用它。 我第一次尝试使用 optimize_for_inference 脚本失败了 google.protobuf.message
我成功训练了 TensowFlow 增强树估计器。现在我想将其保存为 SavedModel。问题是我收到以下错误。 ValueError: All feature_columns must be _F
我正在尝试在 TensorFlow 2 中运行我以 SavedModel 格式准备的对象检测模型。 该模型采用字节编码 JPEG、PNG 或 GIF 格式作为 encoded_image_string
我想使用 MMdnn将 tensorflow ResNet 模型转换为其他框架。看来我只能使用 mmconvert 从 .pb 卡住图形文件中读取。 但是,当使用 tf.estimator.Estim
我是一名优秀的程序员,十分优秀!