Неизвестная ошибка отправки данных в программу пользовательского прогнозирования Google Cloud ML - PullRequest
Новая
       8

Неизвестная ошибка отправки данных в программу пользовательского прогнозирования Google Cloud ML

3 голосов
/ 14 июня 2019

Я пытаюсь написать пользовательскую процедуру прогнозирования ML на платформе AI, чтобы получить текстовые данные от клиента, выполнить некоторую пользовательскую предварительную обработку, передать ее в модель и запустить модель. Мне удалось успешно упаковать и развернуть этот код в облаке Google. Однако каждый раз, когда я пытаюсь отправить ему запрос из node.js, я получаю обратно data: { error: 'Prediction failed: unknown error.' },.

Вот мой соответствующий код пользовательской процедуры прогнозирования. Обратите внимание, что я установил instances для своего текста в клиенте, а затем токенизировал и предварительно обработал его в процедуре пользовательского прогнозирования. 

def __init__(self, model, session, saver, dictionary):
    self.model = model
    self.sess = session

@classmethod
def from_path(cls, model_dir):
    m = Model(learning_rate=0.1)
    session = tf.Session()
    session.run(tf.global_variables_initializer())
    session.run(tf.local_variables_initializer())
    saver = tf.train.Saver(max_to_keep=0)
    saver.restore(session, (os.path.join(model_dir, 'model.ckpt')))
    return cls(m, session)

def predict(self, instances, **kwargs):
    utterance = nltk.word_tokenize(instances)
    utterance = self.preprocess_utterance(utterance)

    preds = self.sess.run([self.model['preds'], feed_dict={'input_data': utterance)
    return preds

Вот мой код Node.js: 

   text_string = "Hello how are you?"
   google.auth.getApplicationDefault(function (err, authClient, projectId) {
        if (err) {
            console.log('Authentication failed because of ', err);
            return;
        }
        if (authClient.createScopedRequired && authClient.createScopedRequired()) {
            var scopes = ['https://www.googleapis.com/auth/cloud-platform'];
            authClient = authClient.createScoped(scopes);
        }
        var request = {
            name: "projects/" + projectId + "/models/classifier",
            resource: {"instances": [message_string]},

            // This is a "request-level" option
            auth: authClient
        };

        machinelearning.projects.predict(request, function (err, result) {

            console.log(result)

            if (err) {
                console.log(err);
            } else {
                console.log(result);
                res.status(200).send('Hello, world! This is the prediction: ' + JSON.stringify(result)).end();
            }
        });
    });

В этом коде я просто отправляю текст в модель Google Cloud. Тело запроса: body: '{"instances":["Hello how are you?"]}',

Кто-нибудь имеет представление о том, почему он терпит неудачу?

Если нет, то кто-нибудь знает, как я могу это отладить? Неизвестное сообщение об ошибке бесполезно.

Edit:

Вот вывод saved_model_cli с опцией --all. 

signature_def['serving_default']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['length_input'] tensor_info:
        dtype: DT_INT32
        shape: ()
        name: Placeholder_3:0
    inputs['seqlen'] tensor_info:
        dtype: DT_INT32
        shape: (-1)
        name: Placeholder_2:0
    inputs['indicator'] tensor_info:
        dtype: DT_INT32
        shape: (-1, 2)
        name: Placeholder_1:0
    inputs['input_data'] tensor_info:
        dtype: DT_INT32
        shape: (-1, -1)
        name: Placeholder:0
    inputs['y'] tensor_info:
        dtype: DT_INT32
        shape: (-1, -1)
        name: Placeholder_4:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['preds'] tensor_info:
        dtype: DT_INT32
        shape: (-1, -1)
        name: Cast:0
  Method name is: tensorflow/serving/predict

Исходя из этого, я должен предоставить этот словарь в качестве входных данных, но он не работает.

{"instances": [ { "input_data": [138, 30, 66], "length_input": 1, "indicator": [[0, 0]], "seqlen": [3], "y": [138, 30, 66] } ]}

Ответы [ 2 ]

3 голосов
/ 20 июня 2019

Я разобрался в проблеме.Проблема была не в форматировании входных данных.Скорее это было в НЛТК.NLTK.word_tokenize выдавал ошибку, потому что у него не было данных, необходимых для токенизации.Мне пришлось загрузить данные в Google Cloud или использовать метод токенизации, который не требовал никаких файлов данных для решения этой проблемы.

Я не знаю, почему это программное обеспечение для пользовательского прогнозирования Google Cloud не сообщает своим пользователям о возникающих ошибках, но, несмотря на все мои усилия, оно всегда просто возвращает Unknown error всякий раз, когда что-то идет не так.Если бы я точно знал, что это за ошибка, это было бы легко исправить.

0 голосов
/ 16 июня 2019

Я думаю, вам нужно: 

{instances: [
 {"input_data": "hello, how are you?"},
 {"input_data": "who is this?"}
]}

но мы можем подтвердить, можем ли мы посмотреть на результат вызова сохраненного_моделя_кли в файлах SavedModel.

...