是否有关于在TF2中序列化和还原Estimator
模型的指南?文档非常零散,并且大部分内容都未更新至TF2。我仍然没有看到任何清晰而完整的示例,说明如何将Estimator
保存、加载到磁盘并用于对新输入进行预测。
说实话,我有点困惑,因为这似乎很复杂。 Estimators 被标榜为简单、相对高级的拟合标准模型的方式,但在生产环境中使用它们的过程似乎非常神秘。例如,当我通过tf.saved_model.load(export_path)
从磁盘加载模型时,我得到一个 AutoTrackable
对象:
<tensorflow.python.training.tracking.tracking.AutoTrackable at 0x7fc42e779f60>
不清楚为什么我没有得到我的Estimator
。看起来以前有一个听起来很有用的函数tf.contrib.predictor.from_saved_model
,但由于contrib
已经消失了,它似乎不再发挥作用(除了TFLite之外)。
任何指针都将非常有帮助。正如您所看到的,我有点失落。
tf.saved_model.load
文档吗?它与1.x版本不同。"从TensorFlow 1.x导入SavedModels"部分适用于估算器,并解释了如何使用“prune”获取可调用来评估模型。 - jdehesaEstimator
(在我的情况下是DNNRegression
)。 - Chris Fonnesbeck.predict
。如果您不想或没有源代码来重新创建相同的Estimator,则saved_model.load将为您提供一个可以查询的对象(用于预测),但该对象将不具有Estimator API。 - wicke