0

我正在尝试使用该操作：

tf.contrib.learn.DNNRegressor.export(*args, **kwargs)

创建 Google Cloud ML 上传所需的 export.meta 文件。我搜索了文档（和谷歌），但没有找到一个实际的例子。

我写了一个非常简单的回归器，它近似于两个数字之间的总和（小于一个）：

# training data
def input_fn(size):
    A, B, R = [], [], []
    for x in range(size):
        a, b = random.random(), random.random()
        A.append(a)
        B.append(b)
        R.append(a + b)
    feature_cols = {'A': tf.constant(A, shape=[size, 1]),
                    'B': tf.constant(B, shape=[size, 1])}
    labels = tf.constant(R, shape=[size, 1])
    return feature_cols, labels

# regressor
FEATURES = ['A', 'B']
feature_cols = [tf.contrib.layers.real_valued_column(k) for k in FEATURES]
regressor = tf.contrib.learn.DNNRegressor(feature_columns=feature_cols, 
                                          hidden_units = [5, 3, 2],
                                          model_dir=MODEL_PATH)

# training
regressor.fit(input_fn=lambda: input_fn(1000), steps=5000)

#export
regressor.export(....

一切正常，但我无法构建导出功能所需的输入和输出映射器。上传到 Cloud ML 时，出现如下错误：

模型元图没有输出集合。

谢谢！

4

0 回答 0