问题描述
TL; DR
做批量预测时,Google Cloud AI平台如何解压缩TFRecord
文件?
我已经将训练有素的Keras模型部署到Google Cloud AI平台上,但是在批量预测的文件格式方面遇到了麻烦。为了进行培训,我使用tf.data.TFRecordDataset
来读取TFRecord
的列表,如下所示,都可以正常工作。
def unpack_tfrecord(record):
parsed = tf.io.parse_example(record,{
'chunk': tf.io.FixedLenFeature([128,2,3],tf.float32),# Input
'class': tf.io.FixedLenFeature([2],tf.int64),# One-hot classification (binary)
})
return (parsed['chunk'],parsed['class'])
files = [str(p) for p in training_chunks_path.glob('*.tfrecord')]
dataset = tf.data.TFRecordDataset(files).batch(32).map(unpack_tfrecord)
model.fit(x=dataset,epochs=train_epochs)
tf.saved_model.save(model,model_save_path)
我将保存的模型上传到Cloud Storage并在AI Platform中创建一个新模型。 AI平台文档指出“带有gcloud工具的批处理[支持]带有JSON实例字符串的文本文件或TFRecord文件(可以压缩)”(https://cloud.google.com/ai-platform/prediction/docs/overview#prediction_input_data)。但是当我提供TFRecord文件时,出现错误:
("'utf-8' codec can't decode byte 0xa4 in position 1: invalid start byte",8)
我的TFRecord文件包含一堆Protobuf编码的tf.train.Example
。我没有为AI平台提供unpack_tfrecord
函数,所以我认为它无法正确解压缩是有道理的,但是我知道节点的位置。我对使用JSON格式不感兴趣,因为数据太大。
解决方法
我不知道这是否是解决此问题的最佳方法,但对于TF 2.x,您可以执行以下操作:
import tensorflow as tf
def make_serving_input_fn():
# your feature spec
feature_spec = {
'chunk': tf.io.FixedLenFeature([128,2,3],tf.float32),'class': tf.io.FixedLenFeature([2],tf.int64),}
serialized_tf_examples = tf.keras.Input(
shape=[],name='input_example_tensor',dtype=tf.string)
examples = tf.io.parse_example(serialized_tf_examples,feature_spec)
# any processing
processed_chunks = tf.map_fn(
<PROCESSING_FN>,examples['chunk'],# ?
dtype=tf.float32)
return tf.estimator.export.ServingInputReceiver(
features={<MODEL_FIRST_LAYER_NAME>: processed_chunks},receiver_tensors={"input_example_tensor": serialized_tf_examples}
)
estimator = tf.keras.estimator.model_to_estimator(
keras_model=model,model_dir=<ESTIMATOR_SAVE_DIR>)
estimator.export_saved_model(
export_dir_base=<WORKING_DIR>,serving_input_receiver_fn=make_serving_input_fn)