如何在datalab上导出tensorflow模型以用于bigquery？

我在谷歌云数据实验室有一个TensorFlow的训练有素的模型。

---

我想将其导出并导入到BigQuery中，然后使用BigQuery进行预测。如何使用路径导出它为

gs://*

？

如果您使用的是TensorFlow 1.14或更高版本和Keras，那么：

tf.saved_model.save(model,  'gs://bucket/dir')

---

请参见

如果您使用的是TensorFlow 1.14或更高版本和Keras，则：

tf.saved_model.save(model,  'gs://bucket/dir')

---

请参见

如果您有使用TensorFlow早期版本编写的代码，它可能使用Estimator API。在这种情况下，请使用：

estimator.export_savedmodel('gs://bucket/dir', serving_input_fn)

如果必须使用占位符定义服务功能，则模型的每个输入对应一个占位符：

def serving_input_fn():
    feature_placeholders = {
        'input1': tf.placeholder(tf.string, [None]),
        'input2': tf.placeholder(tf.float32, [None]),
    }
    features = {
        key: tf.expand_dims(tensor, -1)
        for key, tensor in feature_placeholders.items()
    }
    return tf.estimator.export.ServingInputReceiver(features, feature_placeholders)

---

如果您有使用TensorFlow早期版本编写的代码，它可能会使用Estimator API。在这种情况下，请使用：

estimator.export_savedmodel('gs://bucket/dir', serving_input_fn)

如果必须使用占位符定义服务功能，则模型的每个输入对应一个占位符：

def serving_input_fn():
    feature_placeholders = {
        'input1': tf.placeholder(tf.string, [None]),
        'input2': tf.placeholder(tf.float32, [None]),
    }
    features = {
        key: tf.expand_dims(tensor, -1)
        for key, tensor in feature_placeholders.items()
    }
    return tf.estimator.export.ServingInputReceiver(features, feature_placeholders)