Python 如何导出VocabularyProcessor并在TF服务加载后使用它？

我的代码有两部分：

• 用于训练数据的脚本（python+tf+bag_of_words）
• 任何字符串的predict类的脚本（现在是python，但后来是golang） 生产）

我将在python上训练我的模型，并通过GolangAPI在生产中使用模型

培训步骤：

Fit

tf.contrib.learn.preprocessing.VocabularyProcessor

用BOW算法训练

添加输出

tf.estimator.export.ClassificationOutput

添加输入

tf.estimator.export.servicingInputReceiver

通过导出保存的模型导出my

tf.estimator.estimator

它工作正常，但我希望从我的客户机代理到模型

string

。这个

字符串

应该通过词汇处理器转换成向量。但词汇处理器不是张量，我不能用它作为图形节点。我不能对它进行pickle，因为我不会使用golang客户端实现来恢复它

有可能解决我的问题吗

def preprocess_for_prediction(n_words):
  def serving_input_fn():
    words = tf.placeholder(dtype=tf.string)
    receiver_inputs = {"raw_words": words}

    # Now use const by needed to convert raw_words to vector
    vector = tf.constant([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], shape=(1, 10), dtype=tf.int32)
    features = {WORDS_FEATURE: vector}
    return tf.estimator.export.ServingInputReceiver(features, receiver_inputs)

  return serving_input_fn

UPD：

我刚读到关于张量流变换的书。我想它会对我有用，试过之后我会把答案写在这里