Python 如何将多个2d数组作为输入传递给tensorflow服务api？

我有一个tensorflow模型，它以两个2d数组作为输入

这就是我训练模型的方法

x.shape == (100, 250)
y.shape == (100, 10)

model.fit([x,y], y_train)

现在我使用tensorflow服务API部署到生产环境中。现在，当我试图为预测发出api请求时，我得到了一个错误

“{'error'：'实例是一个简单的列表，但根据tensorinfo_map'}需要将对象列表作为多个输入张量”

---

我也有类似的问题。我想结合服务API测试我保存的模型。首先，我编写了以下POST命令来获得预测：

curl-g-d“{”“instances”“”：“[[[1581948102529415.40446099999998，47.24188200000004，1]]}”-X POSThttp://localhost:8501/v1/models/my_model:predict

。通过这个输入，我得到了与您相同的错误。如本文所述，您必须以以下方式提供输入数据：

curl-d“{”“实例”“：[{”“NAME1W1”“：[158]，“NAME1W2”“：[194]，“ZIP”“：[”“8102”“]，“STREETW”“：[5294]，“LONGITUDE”“：15.4044609999999998”“纬度”“：47.241882000000004”“ASG”“：[1]}}”-X柱http://localhost:8501/v1/models/my_model:predict

。不要对“”感到困惑，我不得不使用它们，因为我在Windows而不是Linux上使用curl。

当您有多个输入时，您需要知道GraphDef中输入的名称，并将dict列表传递给tensorflow服务

首先，通过在终端中运行此命令，确保输入名称正确

saved_model_cli show --dir /home/your_user_name/path/to/your/saved_model/1 --all

在我的例子中，我得到以下内容作为输出的一部分。重要的是输入的名称是

input_1

和

input_2

，在我的例子中也是如此

signature_def['serving_default']：给定的SavedModel SignatureDef 包含以下输入： 输入['input_1']张量信息： dtype:DT_FLOAT 形状：（-1,2） 名称：服务\u默认\u输入\u 1:0 输入['input_2']张量信息： dtype:DT_FLOAT 形状：（-1,2） 名称：服务\u默认\u输入\u 2:0

此外，正如您所看到的，每个输入分别包含两个字段

最后，我可以发送一个http请求，请求使用[1,0]的

input_1

和[0.36708057,0.66139287]的

input_2

进行预测

import requests
import json

data = json.dumps({"signature_name":"serving_default","instances":[{'input_1':[1., 0.],'input_2':[0.36708057, 0.66139287]}]})
headers = {"content-type":"application/json"}
json_response = requests.post('http://localhost:8501/v1/models/test:predict',data=data,headers=headers)
print(json.loads(json_response.text))

---

输出是

{'predictions'：[[0.315578]]}

您能否分享您的完整代码，以便我们可以帮助您。另外，通过运行命令，

，共享您的SignatureDef！已保存的\u model\u cli show--dir PathOfModel \--tag\u set service--signature\u def predict

。谢谢你找到解决方法了吗？@bonobo如果我有多个输入，那么在训练时，我将输入作为dict传递，键作为输入名称，值作为输入值。在这种情况下，当向tensor flow服务发送输入时，我可以将其作为dict传递，并使用适当的键进行多个输入。

import requests
import json

data = json.dumps({"signature_name":"serving_default","instances":[{'input_1':[1., 0.],'input_2':[0.36708057, 0.66139287]}]})
headers = {"content-type":"application/json"}
json_response = requests.post('http://localhost:8501/v1/models/test:predict',data=data,headers=headers)
print(json.loads(json_response.text))