为TensorFlow服务RESTAPI生成实例或输入
我已经准备好基于一个保存的模型来试用我的TensorFlow服务RESTAPI,并且想知道是否有一种简单的方法来生成我需要发送的JSON实例(基于行)或输入(基于列) 我的模型中有几千个特性,我不喜欢手动输入JSON。有没有一种方法可以使用现有的数据来产生序列化的数据,我可以在predict API中使用这些数据 我将TFX用于整个管道(包括tf.Transform),因此我不确定TFX中是否有一种简洁的方法可以使用为TensorFlow服务RESTAPI生成实例或输入,tensorflow,tensorflow-serving,tfx,Tensorflow,Tensorflow Serving,Tfx,我已经准备好基于一个保存的模型来试用我的TensorFlow服务RESTAPI,并且想知道是否有一种简单的方法来生成我需要发送的JSON实例(基于行)或输入(基于列) 我的模型中有几千个特性,我不喜欢手动输入JSON。有没有一种方法可以使用现有的数据来产生序列化的数据,我可以在predict API中使用这些数据 我将TFX用于整个管道(包括tf.Transform),因此我不确定TFX中是否有一种简洁的方法可以使用 saved\u model\u cli的输出如下: The given Sav
saved\u model\u cli
的输出如下:
The given SavedModel SignatureDef contains the following input(s):
inputs['examples'] tensor_info:
dtype: DT_STRING
shape: (-1)
name: input_example_tensor:0
这并不能告诉我太多。您可以使用Python REST客户端以编程方式进行调用,而不是手动编写请求。这是tensorflow_服务github中的示例代码:
您可以尝试以下代码:
examples = []
for _, row in Inputs.iterrows():
example = tf.train.Example()
for col, value in row.iteritems():
example.features.feature[col].float_list.value.append(value)
examples.append(example)
print(examples)
它的输出将是json,如下所示:
[features {
feature {
key: "PetalLength"
value {
float_list {
value: 5.900000095367432
}
}
}
feature {
key: "PetalWidth"
value {
float_list {
value: 2.0999999046325684
}
}
}
feature {
key: "SepalLength"
value {
float_list {
value: 7.099999904632568
}
}
}
feature {
key: "SepalWidth"
value {
float_list {
value: 3.0
}
}
}
}
]
然后,您可以使用以下命令执行推断:
curl -d '{"inputs":examples}' \
-X POST http://localhost:8501/v1/models/1554294699:predict