SageMaker Tensorflow-如何编写我的服务输入

我对Tensorflow和SageMaker还很陌生，我正试图弄清楚如何编写我的

服务输入

。我试过很多方法，但都没有用

“我的输入”函数有3个功能列：

amount\u normalized、x\u month和y\u month

：

def construct_feature_columns():
    amount_normalized = tf.feature_column.numeric_column(key='amount_normalized')
    x_month = tf.feature_column.numeric_column(key='x_month')
    y_month = tf.feature_column.numeric_column(key='y_month')
    return set([amount_normalized, x_month, y_month])

我希望能够使用

deployed\u model.predict（[1.23,0.3,0.8]）之类的东西调用我的部署模型。

其中第一个元素是

amount\u normalized

，第二个元素是

x\u月

第三个元素是

y\u月

我试过这个：

FEATURES = ['amount_normalized', 'x_month', 'y_month']
def serving_input_fn(params):
    feature_placeholders = {
      key : tf.placeholder(tf.float32, [None]) \
        for key in FEATURES
    }
return tf.estimator.export.build_raw_serving_input_receiver_fn(feature_placeholders)()

但我得到的只是：

调用InvokeEndpoint操作时发生错误（ModelError）：从模型接收到服务器错误（500），消息为“”。

---

非常感谢您的帮助

在此处发布此消息，以防其他人有此问题

经过一系列的尝试和错误，我通过编写如下的服务输入函数来解决我的问题：

FEATURES = ['amount_normalized', 'x_month', 'y_month']
def serving_input_fn(hyperparameters):
    feature_spec = {
        key : tf.FixedLenFeature(shape=[], dtype = tf.float32) \
          for key in FEATURES
    }
    return tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)()

然后，我可以通过传入散列来调用部署的模型：

deployed_model.predict({"amount_normalized": 2.3, "x_month": 0.2, "y_month": -0.3})