Python Tensorflow服务-“；必须为占位符张量\'；占位符_1\'&引用；

我正在使用以下导出为我的模型提供服务：

features_placeholder = tf.placeholder(tf.float32, None)
labels_placeholder = tf.placeholder(tf.float32, None)

# Training loop code
......
# Train is finished.

# Export model
tf.saved_model.simple_save(sess,param.logs_dir + 'model_export', 
            {"features": features_placeholder}, {"binary_classif": labels_placeholder})

然后，我提出以下POST请求（原始身体）：

{“实例”：[1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0]}

我得到的错误如下：

{“错误”：“您必须使用dtype float\n\t[[Node:placeholder\u 1=placeholder\u output\u shapes=[]，dtype=DT\u float，shape=，\u device=\”/job:localhost/replica:0/task:0/device:CPU:0\“]”}

---

有人知道我做错了什么吗？

你必须确保你的两个占位符

features\u placeholder

和

labels\u placeholder

的形状对应于两个变量

features\u feed

和

labels\u feed

的形状，以避免在输入字典时出现错误

对于那些寻求这个问题答案的人，我将尝试一下

导出模型时，simple_save函数需要的是张量指针，而不是占位符。一种方法是在定义模型时命名张量，如下所示：

def inference(features):
    layer_1 = nn_layer(features, get_num_features(), get_num_hidden1(), 'layer1', act=tf.nn.relu)
    logits = nn_layer(layer_1, get_num_hidden1(), get_num_classes(), 'out', act=tf.identity)
    logits = tf.identity(logits, name='predictions')
    return logits

由于我已将我的logits张量命名为“预测”，因此在保存模型之前，我现在可以在图形模式下获取该张量：

features = graph.get_tensor_by_name('features:0')
predictions = graph.get_tensor_by_name('predictions:0')
tf.saved_model.simple_save(sess,param.logs_dir + 'model_export', 
                {"features": features}, 
                {"predictions": predictions})

---

注意：Tensorflow文档非常简短，特别是关于简单的保存函数。这是我唯一能让它工作的方法，但我不是100%确定正确的方法。

你能提供你提到的三点中的代码，以便我们追踪我编辑的错误的原因吗Hi@DavidCruz你能解决你的问题吗？我也有类似的经历。这个链接有我的问题：@DavidCruz我也得到了一些类似的错误。你能解决吗？我已经用可能的答案更新了我的问题。请随意试用。变量特性和标签只在培训期间起作用。我的问题是关于预测API的