TensorFlow服务未能为TensorFlow 2.0 keras.layers.LSTM服务

为什么TensorFlow服务无法为这个简单的LSTM keras层提供服务，而它使用保存的\u model\u cli run成功运行？我怎样才能修好它

TensorFlow版本2.0 alpha

$  pip install tensorflow==2.0.0-alpha0 

保存的模型将重新生成：

导入tensorflow作为tf 从tensorflow.keras.models导入模型 从tensorflow.keras.layers导入输入，LSTM img_宽度=10 img_高度=10 def build_模型： input\u img=Inputshape=img\u width*img\u height，1，name='input\u data'，dtype='float32' x=LSTM12，返回序列=False，name='lstm\u 1'input\u img 模型=模型输入\u img，x 回归模型 def保存： 模型=构建模型 tf.saved_model.savemodel、/测试_keras_服务/1/ 如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'： 拯救 TensorFlow服务安装：

$ docker pull tensorflow/serving

$ docker images -a
REPOSITORY                 TAG                 IMAGE ID            CREATED             SIZE
tensorflow/serving         latest              38bee21b2ca0        2 months ago        229MB

为SavedModel提供服务

$ docker run -p 8501:8501 --mount type=bind,source=/the/path/of/dir/test_keras_serving,target=/models/my_model -e MODEL_NAME=my_model -t tensorflow/serving

使用TensorFlow服务预测python代码

导入json 导入请求 将numpy作为np导入 def pred： inp_值=np.zeros2100,1 _url='1〕http://localhost:8501/v1/models/my_model:predict' headers={缓存控制：无缓存，内容类型：application/json} data=json.dumps{signature\u name:service\u default，instances:inp\u value.tolist} json\u response=requests.postrl=\u url，data=data，headers=headers printjson\u响应 如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'： pred 在客户端，结果是

<Response [400]>

但是，SavedModel与saved_model_cli配合良好：

产出：

Result for output key lstm_1:
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

---

如何使用TensorFlow服务获得与已保存的\u model \u cli相同的结果？

使用docker pull TensorFlow解决了此问题/Serving:nightly

使用docker pull TensorFlow解决了此问题/Serving:nightly请避免在评论中回答问题。您可以将此添加为答案并接受自己的答案。

$ saved_model_cli run --dir ./test_keras_serving/1 --tag_set serve --signature_def serving_default --input_exprs input_data=np.zeros((2,100,1))

Result for output key lstm_1:
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]