Python 如何使用tensorflow为BERT SQuAD2.0建立输入预测保存模型

考虑到我已经获得了输入的所有元素，我正试图从BERT团队中为保存的模型构建输入

我通过在中运行run_stand.py对一个问答模型进行了微调，然后使用export_saved_model导出了该模型。现在，当我有一个新的上下文和问题时，我无法构建能够从模型中获得返回输出的正确输入

导出模型的代码：

#导出模型
def服务_输入_接收器_fn（）：
特征规格={
“唯一标识”：tf.FixedLenFeature（[]，tf.int64），
“输入ID”：tf.FixedLenFeature（[FLAGS.max\u seq\u length]，tf.int64），
“输入掩码”：tf.FixedLenFeature（[FLAGS.max\u seq\u length]，tf.int64），
“段ID”：tf.FixedLenFeature（[FLAGS.max\u seq\u length]，tf.int64），
}
序列化的\u tf\u示例=tf.placeholder（dtype=tf.string，
形状=标志。预测批次大小，
name='input\u示例\u tensor'）
接收器\u张量={'examples'：序列化的\u tf\u example}
features=tf.parse_示例（序列化的_-tf_示例，feature_-spec）
返回tf.estimator.export.ServingInputReceiver（特征、接收器张量）
估计器=tf.contrib.tpu.tpu估计器(
使用\u tpu=标志。使用\u tpu，
型号\ fn=型号\ fn，
config=run\u config，
列车批量大小=标志。列车批量大小，
预测批次大小=标志。预测批次大小）
估算器。_导出到_tpu=假35;##！！重要的是要补充这一点
estimator.export\u保存的\u模型(
export_dir_base=“C:/Users/ZitongZhou/Desktop/qa/bert_-team/servemodel”，
服务\输入\接收器\ fn=服务\输入\接收器\ fn）

我加载模型的方式：

export\u dir='servemodel'
subdirs=[x代表路径中的x（export_dir）.iterdir（）
如果x.为_dir（）且“temp”不在str（x）中]
latest=str（已排序（细分）[-1]）
predict\u fn=预测器。来自保存的\u模型（最新）

我从run_squad.py获得了评估功能。 我尝试构建输入的方式：

feature\u spec={
“唯一标识”：np.asarray（eval\u features[0]。唯一标识）。tolist（），
“输入标识”：np.asarray（eval\u features[0]。输入标识）。tolist（），
“输入掩码”：np.asarray（评估特性[0]。输入掩码）。tolist（），
“段ID”：np.asarray（eval\u features[0]。段ID.tolist（）
}
序列化的\u tf\u示例=tf.placeholder（dtype=tf.string，
形状=[1]，
name='input\u示例\u tensor'）
接收器\u张量={'examples'：序列化的\u tf\u example}
features=tf.parse_示例（序列化的_-tf_示例，feature_-spec）
out=predict_fn（{'examples'：[str（特征规格）]）

我希望得到一个预测，这样我就可以从中提取问题的答案

我得到的回溯：

回溯（最近一次呼叫最后一次）：
文件“”，第11行，在
features=tf.parse_示例（序列化的_-tf_示例，feature_-spec）
文件“C:\Users\ZitongZhou\Anaconda3\envs\nlp\lib\site packages\tensorflow
\python\ops\parsing_ops.py”，第580行，在parse_示例中
返回parse_example_v2（序列化、功能、示例名称、名称）
文件“C:\Users\ZitongZhou\Anaconda3\envs\nlp\lib\site packages\tensorflow
\python\ops\parsing_ops.py”，第803行，在parse_示例_v2中
[VarLenFeature、SparseFeature、FixedLenFeature、FixedLenSequenceFeature]）
文件“C:\Users\ZitongZhou\Anaconda3\envs\nlp\lib\site packages\tensorflow
\python\ops\parsing_ops.py”，第299行，在_features_到_raw_参数中
raise VALUERROR（“无效的功能%s:%s.%（键，功能））
ValueError:无效的功能输入\u ID:[101100521292214200319523，
6562, 1005, 102, 1005, 19523, 11233, 2003, 2274, 2086, 2214, 1005, 102,
0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 0, 0, 0, 0, 0, 0].

我明白了，我需要使用tf.train.Example函数：

def create_int_功能（值）：
f=tf.train.Feature（int64_list=tf.train.Int64List（value=list（value）））
返回f
输入=集合。OrderedDict（）
输入[“输入标识”]=创建输入标识要素（要素[0]。输入标识）
输入[“输入掩码”]=创建输入掩码功能（功能[0]。输入掩码）
输入[“段ID”]=创建段内要素（要素[0]。段ID）
输入[“唯一的\u id”]=创建\u int\u功能（[features[0]。唯一的\u id]）
tf_示例=tf.train.example（特征=tf.train.features（特征=输入））
out=predict_fn（{'examples'：[tf_example.SerializeToString（）]}）