我已经完成了TensorFlow的入门教程（https://www.tensorflow.org/get_started/get_started_for_beginners），并对代码进行了一些小的修改以适应我的应用。我的情况下的特征列如下：

transaction_column = tf.feature_column.categorical_column_with_vocabulary_list(key='Transaction', vocabulary_list=["buy", "rent"])localization_column = tf.feature_column.categorical_column_with_vocabulary_list(key='Localization', vocabulary_list=["barcelona", "girona"])dimensions_feature_column = tf.feature_column.numeric_column("Dimensions")buy_price_feature_column = tf.feature_column.numeric_column("BuyPrice")rent_price_feature_column = tf.feature_column.numeric_column("RentPrice")my_feature_columns = [    tf.feature_column.indicator_column(transaction_column),    tf.feature_column.indicator_column(localization_column),    tf.feature_column.bucketized_column(source_column = dimensions_feature_column,                                        boundaries = [50, 75, 100]),    tf.feature_column.numeric_column(key='Rooms'),    tf.feature_column.numeric_column(key='Toilets'),    tf.feature_column.bucketized_column(source_column = buy_price_feature_column,                                        boundaries = [1, 180000, 200000, 225000, 250000, 275000, 300000]),    tf.feature_column.bucketized_column(source_column = rent_price_feature_column,                                        boundaries = [1, 700, 1000, 1300])]

之后，我保存了模型，以便在Cloud ML Engine中使用它进行预测。为了导出模型，我在评估模型后添加了以下代码：

feature_spec = tf.feature_column.make_parse_example_spec(my_feature_columns)export_input_fn = tf.estimator.export.build_parsing_serving_input_receiver_fn(feature_spec)servable_model_dir = "modeloutput"servable_model_path = classifier.export_savedmodel(servable_model_dir, export_input_fn)

运行代码后，我在“modeloutput”目录中得到了正确的模型文件，并按照https://cloud.google.com/ml-engine/docs/tensorflow/getting-started-training-prediction#deploy_a_model_to_support_prediction（“部署模型以支持预测”）中的说明，在云端创建了模型。

模型版本创建后，我尝试使用以下命令在Cloud Shell中启动在线预测：

gcloud ml-engine predict --model $MODEL_NAME --version v1 --json-instances ../prediction.json

其中$MODEL_NAME是我的模型名称，prediction.json是一个包含以下内容的JSON文件：

{"inputs":[  {     "Transaction":"rent",     "Localization":"girona",     "Dimensions":90,     "Rooms":4,     "Toilets":2,     "BuyPrice":0,     "RentPrice":1100  }  ]}

然而，预测失败，我收到了以下错误消息：

“error”: “预测失败：处理输入时出错：期望字符串，但得到{u’BuyPrice’: 0, u’Transaction’: u’rent’, u’Rooms’: 4, u’Localization’: u’girona’, u’Toilets’: 2, u’RentPrice’: 1100, u’Dimensions’: 90}，类型为’dict’。”

错误很明显，期望的是字符串而不是字典。如果我检查我的SavedModel SignatureDef，我得到了以下信息：

给定的SavedModel SignatureDef包含以下输入：inputs['inputs'] tensor_info:  dtype: DT_STRING  shape: (-1)  name: input_example_tensor:0给定的SavedModel SignatureDef包含以下输出：outputs['classes'] tensor_info:  dtype: DT_STRING  shape: (-1, 12)  name: dnn/head/Tile:0outputs['scores'] tensor_info:  dtype: DT_FLOAT  shape: (-1, 12)  name: dnn/head/predictions/probabilities:0方法名称为：tensorflow/serving/classify

很明显，输入期望的dtype是字符串（DT_STRING），但我不知道如何格式化我的输入数据以使预测成功。我尝试以多种不同的方式编写输入JSON，但始终收到错误。如果我查看教程中如何进行预测（https://www.tensorflow.org/get_started/get_started_for_beginners），我认为很明显，预测输入是以字典形式传递的（教程代码中的predict_x）。

那么，我哪里做错了？我如何使用这些输入数据进行预测？

感谢您的宝贵时间。

基于答案的编辑 ——

根据@Lak的第二个建议，我更新了导出模型的代码，现在看起来是这样的：

export_input_fn = serving_input_fnservable_model_dir = "savedmodeloutput"servable_model_path = classifier.export_savedmodel(servable_model_dir,  export_input_fn)...def serving_input_fn():feature_placeholders = {    'Transaction': tf.placeholder(tf.string, [None]),    'Localization': tf.placeholder(tf.string, [None]),    'Dimensions': tf.placeholder(tf.float32, [None]),    'Rooms': tf.placeholder(tf.int32, [None]),    'Toilets': tf.placeholder(tf.int32, [None]),    'BuyPrice': tf.placeholder(tf.float32, [None]),    'RentPrice': tf.placeholder(tf.float32, [None])    }features = {    key: tf.expand_dims(tensor, -1)    for key, tensor in feature_placeholders.items()}return tf.estimator.export.ServingInputReceiver(features, feature_placeholders)

之后，我创建了一个新模型，并为其提供了以下JSON以获取预测：

{   "Transaction":"rent",   "Localization":"girona",   "Dimensions":90.0,   "Rooms":4,   "Toilets":2,   "BuyPrice":0.0,   "RentPrice":1100.0}

请注意，我从JSON结构中删除了“inputs”，因为在进行预测时收到了“Unexpected tensor name: inputs”的错误。然而，现在我得到了一个新的、更难看的错误：

“error”: “预测失败：模型执行期间出错：AbortionError(code=StatusCode.INVALID_ARGUMENT, details=\”NodeDef提到了Op索引中不存在的属性’T’：int64>; NodeDef: dnn/input_from_feature_columns/input_layer/Transaction_indicator/to_sparse_input/indices = WhereT=DT_BOOL, _output_shapes=[[?,2]], _device=\”/job:localhost/replica:0/task:0/device:CPU:0\”。 (检查你的GraphDef解释二进制文件是否与你的GraphDef生成二进制文件保持最新。)\n\t [[Node: dnn/input_from_feature_columns/input_layer/Transaction_indicator/to_sparse_input/indices = WhereT=DT_BOOL, _output_shapes=[[?,2]], _device=\”/job:localhost/replica:0/task:0/device:CPU:0\”]]\”)”

我再次检查了SignatureDef，并得到了以下信息：

给定的SavedModel SignatureDef包含以下输入：  inputs['Toilets'] tensor_info:      dtype: DT_INT32      shape: (-1)      name: Placeholder_4:0  inputs['Rooms'] tensor_info:      dtype: DT_INT32      shape: (-1)      name: Placeholder_3:0  inputs['Localization'] tensor_info:      dtype: DT_STRING      shape: (-1)      name: Placeholder_1:0  inputs['RentPrice'] tensor_info:      dtype: DT_FLOAT      shape: (-1)      name: Placeholder_6:0  inputs['BuyPrice'] tensor_info:      dtype: DT_FLOAT      shape: (-1)      name: Placeholder_5:0  inputs['Dimensions'] tensor_info:      dtype: DT_FLOAT      shape: (-1)      name: Placeholder_2:0  inputs['Transaction'] tensor_info:      dtype: DT_STRING      shape: (-1)      name: Placeholder:0给定的SavedModel SignatureDef包含以下输出：  outputs['class_ids'] tensor_info:      dtype: DT_INT64      shape: (-1, 1)      name: dnn/head/predictions/ExpandDims:0  outputs['classes'] tensor_info:      dtype: DT_STRING      shape: (-1, 1)      name: dnn/head/predictions/str_classes:0  outputs['logits'] tensor_info:      dtype: DT_FLOAT      shape: (-1, 12)      name: dnn/logits/BiasAdd:0  outputs['probabilities'] tensor_info:      dtype: DT_FLOAT      shape: (-1, 12)      name: dnn/head/predictions/probabilities:0方法名称为：tensorflow/serving/predict

我在某些步骤中犯了错误吗？谢谢！

新的更新

我已经运行了本地预测，并且成功执行，收到了预期的预测结果。使用的命令如下：

gcloud ml-engine local predict --model-dir $MODEL_DIR --json-instances=../prediction.json

其中MODEL_DIR是包含模型训练生成文件的目录。所以问题似乎出在导出模型上。不知何故，导出的模型在后续预测中使用时不正确。我读到了一些关于TensorFlow版本可能是问题的起因，但我不是很理解。难道我的整个代码不是在同一个TF版本下执行的吗？关于这一点有什么想法吗？

谢谢！

回答：

问题出在你的服务输入函数上。你使用的是build_parsing_serving_input_receiver_fn，这个函数应该在你发送tf.Example字符串时使用：

https://www.tensorflow.org/api_docs/python/tf/estimator/export/build_parsing_serving_input_receiver_fn

有两种方法可以解决这个问题：

1. 发送tf.Example

    example = tf.train.Example(features=tf.train.Features(feature=       {'transaction': tf.train.Feature(bytes_list=tf.train.BytesList(value=['rent'])),         'rentPrice': tf.train.Feature(float32_list=tf.train.Float32List(value=[1000.0]))    }))    string_to_send = example.SerializeToString()

2. 更改服务输入函数，以便你可以发送JSON：

    def serving_input_fn():       feature_placeholders = {                'transaction': tf.placeholder(tf.string, [None]),                ...                'rentPrice': tf.placeholder(tf.float32, [None]),            }            features = {                key: tf.expand_dims(tensor, -1)                for key, tensor in feature_placeholders.items()            }       return tf.estimator.export.ServingInputReceiver(features, feature_placeholders)    export_input_fn = serving_input_fn