从Tensorflow模型生成SavedModel,在Google Cloud ML上提供服务
我使用tfhub重新训练了一个用于图像分类的模型。现在我想在云端为它服务。为此,我需要一个从Tensorflow模型生成SavedModel,在Google Cloud ML上提供服务,tensorflow,tensorflow-serving,google-cloud-ml,Tensorflow,Tensorflow Serving,Google Cloud Ml,我使用tfhub重新训练了一个用于图像分类的模型。现在我想在云端为它服务。为此,我需要一个SavedModel。来自TF Hub的脚本使用TF.saved\u model.simple\u save在训练完成后生成SavedModel 让我困惑的是,我从该方法获得的SavedModel文件夹中的.pb文件比培训后保存的最终.pb文件小得多 simple\u save现在也被弃用了,我尝试在培训结束后获取我的SavedModel 但是我的变量文件夹为空。如何将SavedModel的构建合并到ret
SavedModel
。来自TF Hub的脚本使用TF.saved\u model.simple\u save
在训练完成后生成SavedModel
让我困惑的是,我从该方法获得的SavedModel文件夹中的.pb文件比培训后保存的最终.pb文件小得多
simple\u save
现在也被弃用了,我尝试在培训结束后获取我的SavedModel
但是我的
变量文件夹
为空。如何将SavedModel
的构建合并到retain.py
中以取代简单的保存方法?非常感谢您的提示。要将您的模型部署到Google Cloud ML,您需要一个SavedModel,它可以从tf.saved\u model
api生成
以下是使用cloud ML Engine在云中托管经过培训的模型的步骤
bucket\u NAME=“your\u bucket\u NAME”
区域
环境变量。
EGION=us-central1
gsutil mb-l$REGION gs://$bucket\u NAME
SAVED_MODEL_DIR=$(ls./your export DIR base | tail-1)
gsutil cp-r$SAVED\u MODEL\u DIR gs://your bucket
tfhub\u模块
行,如下所示
python retain.py--image\u dir C:…\\code\\n在此处给出路径--tfhub\u模块C:
…给出保存的模型目录的路径您好,您是否在Cloud ML Engine中对模型进行了培训?否!我在当地接受培训,我只想使用云计算进行预测。我不太熟悉您的问题细节。但是这个文档可能会对你有所帮助:这些帖子也可能会有帮助:stackoverflow.com/a/44292448/1399222,所以最好总结一下你在回答中包含的任何链接的内容,以防链接停止工作。谢谢你的建议。我删除了链接(我之前提到过),并添加了有用的内容。这会更有帮助。