我按照以下步骤训练了一个BERT文本分类器，并对其进行了文本和一些修改的调整：

https://www.tensorflow.org/tutorials/text/classify_text_with_bert

导出模型并使用Tensorflow Serve运行效果很好：

https://www.tensorflow.org/tfx/serving/docker

遗憾的是，我无法真正弄清楚如何为分类器定义SignatureDefs，从而为Tensorflow Serve定义分类器端点。虽然:predict端点工作得很好，看起来是默认签名。

显然，我在保存模型时必须定义签名。由于文档在这方面并不详尽，我不确定如何定义分类器签名。

https://www.tensorflow.org/tfx/serving/signature_defs

在上述BERT的示例中，serving_results仅定义了reloaded_model，使用tf.constant(examples)并通过serving_results = tf.sigmoid(serving_results['classifier')]实例化它。

因此，我假设在调用model.save方法时，我必须提供激活函数和classifier签名作为参数。

predict端点工作正常，classify端点出现错误：

{"error": "No classification inputs found in SignatureDef: inputs {\n key: \"text\"\n value {\n name: \"serving_default_text:0\"\n dtype: DT_STRING\n tensor_shape {\n dim {\n size: -1\n }\n }\n }\n}\noutputs {\n key: \"classifier\"\n value {\n name: \"StatefulPartitionedCall_2:0\"\n dtype: DT_FLOAT\n tensor_shape {\n dim {\n size: -1\n }\n dim {\n size: 1\n }\n }\n }\n}\nmethod_name: \"tensorflow/serving/predict\"\n"}

我将不胜感激任何提示。

回答：

定义签名的正确文档可以在这里找到。

https://www.tensorflow.org/tfx/serving/serving_basic?hl=en

builder.add_meta_graph_and_variables(    sess, [tf.compat.v1.saved_model.tag_constants.SERVING],    signature_def_map={        'predict_images':            prediction_signature,        tf.compat.v1.saved_model.signature_constants            .DEFAULT_SERVING_SIGNATURE_DEF_KEY:            classification_signature,    },