def _call_model_fn(self):
"""运行 model_fn 来构建模型。"""
model_fn_handler = self._model_fn(False, 1)
if not isinstance(model_fn_handler, ModelFnHandler):
raise ValueError('model_fn must return a ModeFnHandler instance.')
self._model_fn_handler = model_fn_handler
if model_fn_handler.global_step is None:
self._global_step = tf.train.get_global_step()
else:
self._global_step = model_fn_handler.global_step
if self._global_step is None:
raise ValueError(
'Cannot find global_step variable, '
'please add it into the collection GLOBAL_STEP or '
'names it with "global_step".')
if model_fn_handler.model_metric_ops is not None and (not isinstance(
model_fn_handler.model_metric_ops, dict)):
raise ValueError(
'model_metric_ops of ModelFnHandler returned from '
'model_fn() must be None or dict')
if model_fn_handler.model_export_spec is not None:
self._model_exporter = model_exporter.ModelExporter(
model_fn_handler.model_export_spec)
def init_model_exporter(
self,
export_dir,
input_tensors,
output_tensors,
assets_collection=None,
legacy_init_op=None,
main_op=None):
"""初始化模型导出器。
导出的模型将适用于 Caicloud 大数据平台启动 Serving 服务。
该方法必须是在 build_model() 构建模型时调用进行初始化，
在模型训练之后，在自定义的after_train() 方法中调用 export_model() 方法中来实际导出模型。
具体样例如下：
########################
# in build_ model()
########################
def build_model(self, global_step, is_chief, sync, num_replicas):
...
images = tf.placeholder(tf.float32, [None, 784], name='images')
labels_ = tf.placeholder(tf.float32, shape=[None, 10], name='labels')
w = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
logits = tf.nn.softmax(tf.matmul(x, w) + b, name='y')
cross_entropy = -tf.reduce_sum(y_ * tf.log(y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
export_dir = ...
self.init_model_exporter(
export_dir,
{"images", images},
{"logits", logits})
...
return optimizer
#######################
# in after_train()
#######################
def after_train(self, sess, is_chief):
...
self.export_model(sess)
Args:
export_dir: 模型导出路径。
input_tensors: 导出模型的输入的别名和 Tensors 之间的字典。
output_tensors: 导出模型的输出的别名和 Tensors 之间的字。，
assets_collection: 附加资产文件列表，可选。
资产文件会在模型导出和导入时被当作模型的一部分进行处理。
资产文件主要应用场景：训练模型的某些操作需要外部附加文件进行初始化等。
在导出模型的时候，资产文件会被拷贝到模型导出路径的 assets 目录下。
legacy_init_op: 在导出模型被加载要被执行的初始化操作，可选。
main_op: 导出模型在被加载时执行的操作，可选。
Returns:
None
"""
self._model_exporter = model_exporter.ModelExporter(export_dir)
self._model_exporter.add_graph_and_variables(
input_tensors,
output_tensors,
assets_collection = assets_collection,
legacy_init_op = legacy_init_op,
main_op = main_op)