Python 如何在Tensorflow服务中传递词汇表初始化文件

我创建了一个深度学习模型，使用文本文件初始化Tensorflow中的词汇表，如下所示-

class MyModel(object):

def __init__(self):
    table_init = tf.lookup.TextFileInitializer('/home/abhilash/resmap.txt', tf.int64, 0, tf.int64, 1, delimiter=" ")
    table = tf.lookup.StaticVocabularyTable(table_init, num_oov_buckets)

resmap.txt

文件包含如下条目-

2345 1
3456 2
1234 3

我使用以下代码将TF模型转换为Tensorflow服务-

从模型导入MyModel
使用tf.Session（）作为sess：
tf.app.flags.DEFINE_字符串（'f'，'kernel'））
tf.app.flags.DEFINE_integer（'model_version'，1，'模型的版本号'）
tf.app.flags.DEFINE_字符串（'save_dir'，'/home/abhilash'，'Saving directory'））
FLAGS=tf.app.FLAGS.FLAGS
export_path=os.path.join（tf.compat.as_字节（FLAGS.save_dir），tf.compat.as_字节（str（FLAGS.model_版本）））
打印（“将训练模型导出到”，导出路径）
#创建模型对象并初始化TF图中的所有全局变量。
model=MyModel（）
sess.run（tf.global\u variables\u initializer（））
sess.run（tf.local\u variables\u initializer（））
sess.run（tf.tables\u初始值设定项（））
tf.train.Saver（）.restore（sess、os.path.join（'/home/abhilash'，model1'））
打印（“模型已还原”）
#SavedModelBuilder对象
builder=tf.saved\u model.builder.SavedModelBuilder（导出路径）
#将张量转换为TensorInfo对象，以便在SignatureDefs中使用
tensor\u info\u input1=tf.saved\u model.utils.build\u tensor\u info（model.input1）
tensor\u info\u input2=tf.saved\u model.utils.build\u tensor\u info（model.input2）
tensor\u info\u prob=tf.saved\u model.utils.build\u tensor\u info（model.logits\u all）
#签名道夫
预测\u签名=(
tf.saved_model.signature_def_utils.build_signature_def(
输入={'input1'：张量信息输入1，
“输入2”：张量\u信息\u输入2}，
输出={'probs'：张量_info_prob}，
方法\名称=tf.保存的\模型.签名\常数.预测\方法\名称）
builder.add_meta_graph_和_变量(
sess=sess，
tags=[tf.saved_model.tag_constants.service]，
signature_def_map={'predict_prob'：prediction_signature}，
main_op=tf.tables_initializer（），
strip\u default\u attrs=False，
)
#导出模型
builder.save（）
打印（'已完成将TF模型导出为SavedModel格式！'）

model=MyModel（）

实例化TF图结构。
使用上述代码模型成功地转换为

SavedModel

格式。服侍后给出正确的结果

但是当我在不同的机器上服务这个服务时，它会给我一个这样的错误-

Traceback (most recent call last):
  File "/home/abhilashawasthi/anaconda3/envs/mlflow-95a14f155def99fdbaccbe70ebfbcf3065700c56/lib/python3.7/site-packages/tensorflow/python/client/session.py", line 1356, in _do_call
    return fn(*args)
  File "/home/abhilashawasthi/anaconda3/envs/mlflow-95a14f155def99fdbaccbe70ebfbcf3065700c56/lib/python3.7/site-packages/tensorflow/python/client/session.py", line 1341, in _run_fn
    options, feed_dict, fetch_list, target_list, run_metadata)
  File "/home/abhilashawasthi/anaconda3/envs/mlflow-95a14f155def99fdbaccbe70ebfbcf3065700c56/lib/python3.7/site-packages/tensorflow/python/client/session.py", line 1429, in _call_tf_sessionrun
    run_metadata)
tensorflow.python.framework.errors_impl.NotFoundError: /home/abhilash/resmap.txt; No such file or directory
     [[{{node text_file_init/InitializeTableFromTextFileV2}}]]

也就是说，它尝试在同一位置查找该文本文件。
那么，如何传递此文本文件，使其与

SavedModel

捆绑在一起呢

我在TF服务文档中看到，我们可以将资产传递给服务提供商。但不知道该怎么做。没有明确的例子可用。

---

有人能告诉我怎么通过吗

要从任何PC进行推理，包含词汇表的文本文件应放在资产文件夹中，该文件夹位于与保存的模型对应的文件夹中的版本编号文件夹中

因此，与其将文本文件

resmap.txt

保存在/home/abhilash/resmap.txt中，不如将其保存在

/home/abhilash/Saved_Model/1/assets/resmap.txt

中

现在，当您尝试在其他计算机中执行推理时，您将复制文件夹Saved_Model中保存的模型，因此推理工作，因为Vocab文件存在于保存的模型中

请查看下面的屏幕截图以获得更清晰的信息