TensorFlowX.Y核心基础与AI模型设计04:完美将tf.contrib.predictor.from_saved_model迁移至tf.saved_model.load、tf.feature

最新推荐文章于 2023-04-30 17:49:21 发布
最新推荐文章于 2023-04-30 17:49:21 发布
阅读量606 收藏 1
点赞数
分类专栏： 算法核心基础与AI模型设计 文章标签： 人工智能 tensorflow 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_41194129/article/details/121489812
版权
本文介绍了如何将TensorFlow 1.x中的tf.contrib.predictor.from_saved_model迁移到tf.saved_model.load和tf.feature_column，详细讲解了特征列的使用，包括序列归一化、数字分桶和列表分桶。还讨论了tf.keras.layers.Dense与tf.layers.Dense的区别，并展示了tf.data.Dataset的核心功能如shuffle、repeat和batch的用法。最后，阐述了TensorFlow模型导出为SavedModel格式和使用TensorFlow Serving对外提供服务的方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

上一篇文章：TensorFlowX.Y核心基础与AI模型设计03:AI模型编程常用（二）

目录


完美将tf.contrib.predictor.from_saved_model迁移至tf.saved_model.load

解决tf1.x中的tf.contrib.predictor.from_saved_model在tf2.x无法使用的问题。

tf1.x:  tf.contrib.predictor.from_saved_model
tf2.x:  tf.saved_model.load

在后续的

了解本专栏 订阅专栏 解锁全文 超级会员免费看
tf.data.Dataset.from_tensor_slices详解
qq_19069557的博客
12-16 1275
tf.data.Dataset.from_tensor_slices详解
TensorFlowX.Y核心基础与AI模型设计05:完美将模型版本从tf1.x转移至tf2.x上、global_steps与train_step的使用、动态学习率、梯度优化器
源代码杀手的博客
11-23 1100
模型代码升级代码命令：本次转移环境是在tf1.15环境上转的，tf2同理。 tf_upgrade_v2 --infile steps.py --outfile steps2.py --reportfile report.txt tf1.x模型测试代码 import tensorflow as tf import numpy as np x = tf.placeholder(tf.float32, shape=[None, 1], name='x') y = tf.placeholder(tf.float
tf.data.Dataset.from_tensor_slices的用法
热门推荐
Dr_jiabin的博客
06-22 5万+
tf.data.Dataset.from_tensor_slices 该函数是dataset核心函数之一，它的作用是把给定的元组、列表和张量等数据进行特征切片。切片的范围是从最外层维度开始的。如果有多个特征进行组合，那么一次切片是把每个组合的最外维度的数据切开，分成一组一组的。 假设我们现在有两组数据，分别是特征和标签，为了简化说明问题，我们假设每两个特征对应一个标签。之后把特征和标签组合成一个...
tf.data.Dataset.from_tensor_slices( )
liguandong
11-04 3万+
我们在转化数据集时经常会使用这个函数，他的所用是切分传入的 Tensor 的第一个维度，生成相应的 dataset 。 1.对传入的（5,2）进行切分，最终产生的dataset有5个元素，每个元素的形状都是（2，） 2.在图像识别中可能出现的字典或者元组的矩阵情况，因为将图像数字化之后，会产生矩阵和对应的标签。比如： ｛”image”:image_tensor,”label”:label...
tf.data.Dataset.from_tensor_slices（）
qq_42891453的博客
08-25 1198
tf.data.Dataset.from_tensor_slices函数创建一个代表数组切片的tf.data.Dataset。系统会在第一个维度内对该数组进行切片，例： import tensorflow as tf import numpy as np features, labels = (np.random.sample((6,3)),np.random.sample((6,1))) print((features, labels)) data..
tensorflow 加载数据集
踩坑记录
06-18 1010
tf.data.Dataset.from_tensor_slices： 使用tf.data.Dataset.from_tensor_slices五步加载数据集 import tensorflow as tf from tensorflow import keras def load_dataset(): # Step0 准备数据集, 可以是自己动手丰衣足食, 也可以从 tf.keras.datasets 加载需要的数据集(获取到的是numpy数据) # 这里以 mnist 为例 (x, y),
轻松进行模型服务-Python开发
05-25
BentoML从ipython笔记本中的模型到5分钟内即可投入生产的API服务。 BentoML是用于打包和部署机器学习模型的python库。 它无需更改您的BentoML，即可完成两件事：从ipython Notebook中的模型到5分钟内即可投入生产的...
saved_model操作例子3个
dataastron的博客
10-03 615
tf1.14 高级api from tensorflow.contrib import predictor import numpy as np from PIL import Image import pprint model_path = "./" img = Image.open("example.jpg") img = img.resize((224, 224)) img_arr = ...
TensorFlow 模型如何对外提供服务
张吉的博客
05-14 1万+
TensorFlow 是目前最为流行的机器学习框架之一，通过它我们可以便捷地构建机器学习模型。使用 TensorFlow 模型对外提供服务有若干种方式，本文将介绍如何使用 SavedModel 机制来编写模型预测接口。 鸢尾花深层神经网络分类器 首先让我们使用 TensorFlow 的深层神经网络模型来构建一个鸢尾花的分类器。完整的教程可以在 TensorFlow 的官方文档中查看（Pre...
tf.data.Dataset.from_tensor_slices
Fwuyi的博客
07-25 3160
数组转换成tensorflow的dataset，因为只有dataset才能被model.fit函数训练。进行切分，生成该tensor的切片数据集dataset。被在第0维切分成了5个不同tf.Tensor。对传入的tensor在第一个。ndarray类型的。将python列表和。...
tensorflow基础：tf.data.Dataset.from_tensor_slices()
wzg2016的博客
06-17 9893
tf.data.Dataset.from_tensor_slices() 语义解释：from_tensor_slices，从张量的切片读取数据。 工作原理：将输入的张量的第一个维度看做样本的个数，沿其第一个维度将tensor切片，得到的每个切片是一个样本数据。实现了输入张量的自动切片。 输入数据格式/要求： 1）可以是numpy格式，也可以是tensorflow的tenso...
tf.data.Dataset.from_tensor_slices 的用法
weixin_44493841的博客
11-04 2716
讲python列表和numpy数组转换成tensorflow的dataset 只有dataset才能被model.fit函数训练 import tensorflow as tf import numpy as np numpy_data = np.arange(16) # 创建numpy数组 numpy_data array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]) numpy_dataset = tf.dat
tf.data.Dataset.from_tensor_slices() 详解
“365天深度学习训练营”报名进行中～
03-02 9019
函数原型： tf.data.Dataset.from_tensor_slices( tensors, name=None ) 官网地址：https://www.tensorflow.org/api_docs/python/tf/data/Dataset#from_tensor_slices 功能介绍： 该函数的作用是接收tensor，对tensor的第一维度进行切分，并返回一个表示该tensor的切片数据集 实例讲解： # Slicing a 1D tensor produces scalar t
tf.data.Dataset.from_tensor_slices()
胡图图的博客
10-06 3179
函数原型： tf.data.Dataset.from_tensor_slices(tensors) 作用是切分传入tensor的第一个维度，生成相应的dataset 实例一 import tensorflow as tf import numpy as np x = np.random.uniform(size=(5, 2)) print(x) dataset = tf.data.Dataset.from_tensor_slices(x) for ele in dataset: print(ele)
记录 之 tensorflow函数：tf.data.Dataset.from_tensor_slices
qq_41368074的博客
11-23 2038
tf.data.Dataset.from_tensor_slices()，是常见的数据处理函数，它的作用是将给定的元组（turple）、列表（list）、张量（tensor）等特征进行特征切片。切片的范围是从最外层维度开始的。 更具体的，假设我们有一组特征集合（features），以及这组数据集合所对应的标签集合（labels），那么我们如何将每个数据与其对应的标签进行组合，构成一个个完整训练数据集合（[feature_1, label_1]，[feature_2, label_2],........）.讲
深入浅出TensorFlow2函数——tf.data.Dataset.from_tensor_slices
冯·诺依曼
04-30 1万+
from_tensor_slices( tensors, name=None )
tf.data.Dataset介绍1-from_tensor_slices
sslfk的博客
04-08 2587
1、tf.data.Dataset.from_tensor_slices使用 a.对输入的类型异常敏感，遇到第一个为list或tensor类型作为维度作为切割维度。小数据内存处理时使用。 b.对于外层tuple或dict的跳过不作为切割维度。 例如，list数据格式slice #list list(tf.data.Dataset.from_tensor_slices([[1,3,4],[2,3,4]]).as_numpy_iterator()) Out[10]: [array([1,
tensorflow学习笔记：tf.data.Dataset，from_tensor_slices(),shuffle()，batch()的用法
Rookiekk
07-03 1万+
tf.data.Dataset.from_tensor_slices: 它的作用是切分传入Tensor的第一个维度，生成相应的dataset。 例1： dataset = tf.data.Dataset.from_tensor_slices(np.random.uniform(size=(5, 2))) 传入的数值是一个矩阵，它的形状为(5, 2)，tf.data.Dataset.from...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

源代码杀手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值