tensorflow - 无法在 tensorflow session 中保存 tf.contrib.learn wide and deep 模型并在 TensorFlow Serving 上提供它

Question

我正在 TensorFlow 服务中运行 tf.contrib.learn wide and deep 模型并导出训练模型我正在使用这段代码

 with tf.Session() as sess:
      init_op = tf.initialize_all_variables()
      saver = tf.train.Saver()
      m.fit(input_fn=lambda: input_fn(df_train), steps=FLAGS.train_steps)
      print('model successfully fit!!')
      results = m.evaluate(input_fn=lambda: input_fn(df_test), steps=1)
      for key in sorted(results):
        print("%s: %s" % (key, results[key]))
      model_exporter = exporter.Exporter(saver)
      model_exporter.init(
      sess.graph.as_graph_def(),
      init_op=init_op,
      named_graph_signatures={
          'inputs': exporter.generic_signature({'input':df_train}),
          'outputs': exporter.generic_signature({'output':df_train[impressionflag]})})
      model_exporter.export(export_path, tf.constant(FLAGS.export_version), sess)
      print ('Done exporting!')

但是在使用命令 saver = tf.train.Saver() 时出现错误 ValueError: No variable to save is displayed enter image description here

如何保存模型，以便创建在 tensorflow 标准服务器中加载导出模型时需要的可服务对象？感谢您的帮助。

Answer 1

图表和 session 包含在 Estimator 中，不会暴露或泄露。因此，通过使用 Estimator.export()，我们可以导出模型并创建可用于在 model_servers 上运行的可服务对象。