python - 如何部署使用 export_saved_model 保存的 TensorFlow 模型

Question

我有一个 .pbtxt 文件，它是通过 inception_v4 中的 export_saved_model 获得的，但是我无法使用这个 saved_model 进行预测。当我尝试使用 tf.contrib.predictor.from_saved_model() 加载模型时我收到以下错误:

OSError: Cannot parse file b'/Users/mehdi/Desktop/serving/saved_model.pbtxt': 1:1 :   
Message type "tensorflow.SavedModel" has no field named "node"..

Answer 1

您可以通过以下两种方式进行操作:

通过加载保存的模型并使用加载的模型进行预测
New_Model = tf.keras.models.load_model("saved_model")New_Model.summary()Prediction = New_Model.predict(...)

使用 Tensorflow Serving:在终端中执行以下命令

使用 Docker 镜像安装 Tensorflow Serving

sudo docker pull tensorflow/serving

# Invoke the Tensorflow Model Server
sudo docker run -p 8501:8501 --mount type=bind,source=Path_Of_The_Saved_Model_In_PC,target=/models/saved_model -e MODEL_NAME=saved_model -t tensorflow/serving &

#To get the status of the model
curl http://localhost:8501/v1/models/saved_model

curl -d '{"instances": [1.0, 2.0, 5.0]}' \
    -X POST http://localhost:8501/v1/models/saved_model:predict

如果您有一个图像作为输入，并且您想在客户端文件中对该图像执行一些预处理，您可以使用下面提到的命令来完成:

sudo docker pull tensorflow/serving

sudo docker run -p 8501:8501 --mount type=bind,source=Path_Of_The_Model,target=/models/saved_model -e MODEL_NAME=saved_model -t tensorflow/serving &

python Path/client.py --num_tests=100 --server=localhost:8500

请引用this link用于 TF 服务的客户端文件代码，this Guide有关 TF 服务的更多信息和 this Tutorial对于端到端示例。