Google cloud platform Jupyter笔记本中的GCMLE局部预测

是否有任何方法可以在jupyter笔记本中执行相当于

gcloud ml engine local predict--model dir=$model_dir--json instances=$json_INSTANCE

让我快速回答一下；在将来某个时候可能会更新的。基本上，应该适用。例如：

import json
from tensorflow.contrib import predictor

def columnarize(instancse):
  out = {}
  for instance in instances:
    for k, v in instance.items():
      out.setdefault(k, []).append(v)
  return out

def mapify(outputs, fetch_tensors):
    return dict(zip(fetch_tensors.iterkeys(), outputs))

def rowify(columns):
  out = []
  num_instances = len(next(columns.itervalues()))
  for row in range(num_instances):
    out.append({
        name: output[row, ...].tolist()
        for name, output in columns.iteritems()
    })
  return out    

instances = [
    {"x": [6.4, 3.2, 4.5, 1.5], "y": -1},
    {"x": [5.8, 3.1, 5.0, 1.7], "y": 5},
]

predict_fn = predictor.from_saved_model(export_dir)
outputs = predict_fn(columnarize(instances))
predictions = rowify(mapify(outputs, predictor._fetch_tensors))
print(predictions)

---

让我快速回答一下；在将来某个时候可能会更新的。基本上，应该适用。例如：

import json
from tensorflow.contrib import predictor

def columnarize(instancse):
  out = {}
  for instance in instances:
    for k, v in instance.items():
      out.setdefault(k, []).append(v)
  return out

def mapify(outputs, fetch_tensors):
    return dict(zip(fetch_tensors.iterkeys(), outputs))

def rowify(columns):
  out = []
  num_instances = len(next(columns.itervalues()))
  for row in range(num_instances):
    out.append({
        name: output[row, ...].tolist()
        for name, output in columns.iteritems()
    })
  return out    

instances = [
    {"x": [6.4, 3.2, 4.5, 1.5], "y": -1},
    {"x": [5.8, 3.1, 5.0, 1.7], "y": 5},
]

predict_fn = predictor.from_saved_model(export_dir)
outputs = predict_fn(columnarize(instances))
predictions = rowify(mapify(outputs, predictor._fetch_tensors))
print(predictions)

rowify（）

是唯一看起来不起作用的部件。基本上，您似乎正在尝试以与实例相同的方式格式化响应，对吗？我添加了

mapify（）

。我认为

tensorflow.contrib.predictor

可能有一个bug，因为文档说它返回一个dict，但它没有。

rowify（）

是唯一一个看起来不起作用的部分。基本上，您似乎正在尝试以与实例相同的方式格式化响应，对吗？我添加了

mapify（）

。我认为

tensorflow.contrib.predictor

可能有一个bug，因为文档说它返回一个dict，但它没有。