Сбой функции обслуживания tf.estimator

Question

Я использую tf.estimator для обучения и обслуживания модели тензорного потока.Обучение завершено, как и ожидалось, но не проходит.Я читаю свои данные как TFRecordDataset.Моя функция разбора применяет преобразование к функции "x2".«x2» - строка, которая разделена.преобразованная функция - "x3".

def parse_function(example_proto):
    features={"x1":tf.FixedLenFeature((), tf.string), "x2":tf.FixedLenFeature((), 
 tf.string),
         "label":tf.FixedLenFeature((), tf.int64)}
    parsed_features = tf.parse_example(example_proto, features)
    x3=tf.string_split(parsed_features["string"],',')
    parsed_features["x3"]=x3
    return parsed_features, parsed_features["label"]

Моя функция обслуживания -

def serving_input_fn():
receiver_tensor = {}
for feature_name in record_columns:
    if feature_name in {"x1", "x2","x3"}:
        dtype = tf.string 
    else:
        dtype=tf.int32
    receiver_tensor[feature_name] = tf.placeholder(dtype, shape=[None])
features = {
    key: tf.expand_dims(tensor, -1)
    for key, tensor in receiver_tensor.items()
}
return tf.estimator.export.ServingInputReceiver(features, receiver_tensor)

В прошлом она всегда работала, когда в моей функции синтаксического анализа не было никаких преобразований, нотеперь происходит ошибка с ошибкой.

cloud.ml.prediction.prediction_utils.PredictionError: Failed to run the provided model: Exception during running the graph: Cannot feed value of shape (2, 1) for Tensor u'Placeholder_2:0', which has shape '(?,)' (Error code: 2)

Я думаю, что мне нужно применить преобразование к "x2" в моей функции обслуживания, но я не знаю как.Любая помощь будет принята с благодарностью

Answer 1

По этой ссылке

Я обработал функцию "x3" после создания receive_tensor.Для разделения строки в функции обслуживания необходимо сжать тензор перед разбиением

def serving_input_fn():
    receiver_tensor = {}
    receiver_tensor["x1"] = tf.placeholder(tf.string, shape=[None], name="x1")
    receiver_tensor["label"] = tf.placeholder(tf.int32, shape=[None], name="x2")
    receiver_tensor["x2"] = tf.placeholder(tf.string, shape=[None], 
      name="string")

    features = {
        key: tf.expand_dims(tensor, -1)
        for key, tensor in receiver_tensor.items()
    }
    features["x3"]=tf.string_split(tf.squeeze(features["x2"]),',')
    return tf.estimator.export.ServingInputReceiver(features, receiver_tensor)