Tensorflow服务ml引擎在线预测json文件格式

我想将Tensorflow模型保存到GCP上的ml引擎，并进行在线预测。
我已经在ml引擎上成功地创建了模型，但是，我正在努力将输入JSON字符串输入到模型中。 这是何塞·波蒂拉在Udemy上的Tensorflow课程的功劳

我用gcloud来预测：

gcloud ml引擎predict--model='lstm_test'--version'v3'--json实例。/test.json

test.json内容：

{“输入”：[1,2,3,4,5,6,7,8,9,10,11,12]}

我得到的错误：

{ “错误”：“预测失败：模型执行期间出错：中止错误（代码=StatusCode.INVALID_参数，详细信息=\”必须为带有dtype float和shape[？，12,1]的占位符张量“占位符_2”提供一个值\n\t[[节点：占位符_2=占位符_输出_形状=[？，12,1]]，dtype=DT_float，shape=[？，12,1]，\u设备=\“/job:localhost/replica:0/task:0/device:CPU:0\“]]\”” }

---

一般来说，使用示例proto作为输入并不是使用CloudML服务的首选方法。相反，我们将直接使用占位符

另外，一般来说，您应该创建一个干净的服务图，因此我还建议进行以下更改：

def构建图（x）：
#给定输入x，在训练和预测之间共享所有代码
...
输出=。。。
#确保他们都有一个储蓄器。
saver=tf.train.saver（）
返回输出，保存器
#训练
使用tf.Graph（）作为预测图的默认值：
x=tf.placeholder（tf.float32，[None，num\u time\u steps，num\u inputs]）
输出，保存器=构建图（x）
使用tf.Session（图=预测图）作为sess：
运行（[tf.local\u variables\u initializer（），tf.tables\u initializer（）]））
saver.restore（会话，最新）
#这是一个保存模型的简单界面。
tf.saved\u model.simple\u save(
sess，
export\u dir=SaveModel\u文件夹，
输入={“x”：x}，
输出={“y”：输出}
)

现在，与

gcloud一起使用的文件应该如下所示：

[[1,1,1,1]，[1,1,1,1]，[1,1,1,1]]
[[2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2]]

这将发送一批两个实例（每行一个实例/示例），并假设
num\u inputs
为4，
num\u time\u steps
为3

还有一个更重要的警告，gcloud的文件格式与使用传统客户端发送请求（例如JS、Python、curl等）时发送的请求的全文略有不同。与上述相同文件相对应的请求正文是：

{
“实例”：[
[[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]
[[2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2]]
]
}

基本上，
gcloud
文件中的每一行都成为“实例”数组中的一个条目。
一般来说，使用示例proto作为输入不是使用CloudML服务的首选方法。相反，我们将直接使用占位符

另外，一般来说，您应该创建一个干净的服务图，因此我还建议进行以下更改：

def构建图（x）：
#给定输入x，在训练和预测之间共享所有代码
...
输出=。。。
#确保他们都有一个储蓄器。
saver=tf.train.saver（）
返回输出，保存器
#训练
使用tf.Graph（）作为预测图的默认值：
x=tf.placeholder（tf.float32，[None，num\u time\u steps，num\u inputs]）
输出，保存器=构建图（x）
使用tf.Session（图=预测图）作为sess：
运行（[tf.local\u variables\u initializer（），tf.tables\u initializer（）]））
saver.restore（会话，最新）
#这是一个保存模型的简单界面。
tf.saved\u model.simple\u save(
sess，
export\u dir=SaveModel\u文件夹，
输入={“x”：x}，
输出={“y”：输出}
)

现在，与
gcloud一起使用的文件应该如下所示：

[[1,1,1,1]，[1,1,1,1]，[1,1,1,1]]
[[2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2]]

这将发送一批两个实例（每行一个实例/示例），并假设
num\u inputs
为4，
num\u time\u steps
为3

还有一个更重要的警告，gcloud的文件格式与使用传统客户端发送请求（例如JS、Python、curl等）时发送的请求的全文略有不同。与上述相同文件相对应的请求正文是：

{
“实例”：[
[[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]
[[2, 2, 2, 2], [2, 2, 2, 2], [2, 2, 2, 2]]
]
}

基本上，
gcloud
文件中的每一行都成为“实例”中的一个条目“阵列。
非常感谢您的建议！我相应地更新了github上的代码，并修改了输入JSON文件，这有助于我进一步了解。但是，仍然存在一些问题。我已将错误包括在github问题中@Rhartel80i认为问题可能在于ml引擎运行时版本（1.4）与培训版本（1.7）不同，因为simple_save是1.7的一个特性。该代码适用于gcloud ml引擎本地预测@Rhartel80，你知道在ml引擎上提供运行时1.7的时间表是什么吗？也许你应该用新的问题来回答一个新的问题，因为匹配的版本经常会导致问题。我认为1.7应该在一周内非正式发布；它可能已经可以使用了。非常感谢您的建议！我相应地更新了github上的代码，并修改了输入JSON文件，这有助于我进一步了解。但是，仍然存在一些问题。我已将错误包括在github问题中@Rhartel80i认为问题可能在于ml引擎运行时版本（1.4）与培训版本（1.7）不同，因为simple_save是1.7的一个特性。该代码适用于gcloud ml引擎本地预测@Rhartel80，你知道运行时1.7的时间表是什么吗