Как обработать Estimator categoryorical_column при запросе tenorflow-модель-сервер? - PullRequest
Новая
       40

Как обработать Estimator categoryorical_column при запросе tenorflow-модель-сервер?

0 голосов
/ 21 октября 2018

Как вы знаете, серверу, обслуживающему Tensorflow, необходимо организовать формат данных запроса, подобный этой структуре: 

Example(
    features=Features(
        feature={
            'SepalLength': Feature(float_list=FloatList(value=[5.1])),
            'SepalWidth': Feature(float_list=FloatList(value=[3.3])),
            'PetalLength': Feature(float_list=FloatList(value=[1.7])),
            'PetalWidth': Feature(float_list=FloatList(value=[0.5])),
        }
    )
)

если мои данные только tf.feature_column.numeric_column, это легко, я могу обработать так: 

tf.train.Feature(float_list=tf.train.FloatList(value=[value]))

но мои тренировочные данные вроде: 

categorical_column = tf.feature_column.categorical_column_with_identity(
            key = name, num_buckets = 3 )
indicator_column = tf.feature_column.indicator_column( categorical_column )

это categorical_column, как какая-то горячая структура, в этой ситуации я не знаю, как с этим справиться, иЯ не могу найти какие-либо дополнительные учебники, чтобы справиться с этим,

Как мне поступить, если я хочу обработать свои данные для адаптации tensorflow-model-server требования запроса?спасибо.

PS: я использую следующие компоненты: рамки обучения: tensorflow estimator клиент: tensorflow-seving-api сервер: tensorflow-model-server

...