我正在尝试在 AI Platform 上编写自定义 ML 预测例程，以从客户端获取文本数据，进行一些自定义预处理，将其传递到模型中，然后运行模型。我能够成功地在谷歌云上打包和部署这段代码。但是，每次我尝试从 node.js 向它发送请求时，我都会返回 data: { error: 'Prediction failed: unknown error.' }, 。
这是我的相关自定义预测例程代码。请注意，我在客户端将 instances 设置为我的文本，然后在自定义预测例程中对其进行标记化和预处理。
def __init__(self, model, session, saver, dictionary):
self.model = model
self.sess = session
@classmethod
def from_path(cls, model_dir):
m = Model(learning_rate=0.1)
session = tf.Session()
session.run(tf.global_variables_initializer())
session.run(tf.local_variables_initializer())
saver = tf.train.Saver(max_to_keep=0)
saver.restore(session, (os.path.join(model_dir, 'model.ckpt')))
return cls(m, session)
def predict(self, instances, **kwargs):
utterance = nltk.word_tokenize(instances)
utterance = self.preprocess_utterance(utterance)
preds = self.sess.run([self.model['preds'], feed_dict={'input_data': utterance)
return preds
这是我的 Node.js 代码:
text_string = "Hello how are you?"
google.auth.getApplicationDefault(function (err, authClient, projectId) {
if (err) {
console.log('Authentication failed because of ', err);
return;
}
if (authClient.createScopedRequired && authClient.createScopedRequired()) {
var scopes = ['https://www.googleapis.com/auth/cloud-platform'];
authClient = authClient.createScoped(scopes);
}
var request = {
name: "projects/" + projectId + "/models/classifier",
resource: {"instances": [message_string]},
// This is a "request-level" option
auth: authClient
};
machinelearning.projects.predict(request, function (err, result) {
console.log(result)
if (err) {
console.log(err);
} else {
console.log(result);
res.status(200).send('Hello, world! This is the prediction: ' + JSON.stringify(result)).end();
}
});
});
在这段代码中，我只是将文本发送到谷歌云模型。请求正文是:
body: '{"instances":["Hello how are you?"]}',有没有人知道它为什么失败？
如果没有，那么有没有人知道我如何调试它？未知的错误消息根本没有用。
编辑:
这是带有
saved_model_cli 选项的 --all 的输出。signature_def['serving_default']:
The given SavedModel SignatureDef contains the following input(s):
inputs['length_input'] tensor_info:
dtype: DT_INT32
shape: ()
name: Placeholder_3:0
inputs['seqlen'] tensor_info:
dtype: DT_INT32
shape: (-1)
name: Placeholder_2:0
inputs['indicator'] tensor_info:
dtype: DT_INT32
shape: (-1, 2)
name: Placeholder_1:0
inputs['input_data'] tensor_info:
dtype: DT_INT32
shape: (-1, -1)
name: Placeholder:0
inputs['y'] tensor_info:
dtype: DT_INT32
shape: (-1, -1)
name: Placeholder_4:0
The given SavedModel SignatureDef contains the following output(s):
outputs['preds'] tensor_info:
dtype: DT_INT32
shape: (-1, -1)
name: Cast:0
Method name is: tensorflow/serving/predict
基于此，我应该提供这本字典作为输入，但它不起作用。
{"instances": [ { "input_data": [138, 30, 66], "length_input": 1, "indicator": [[0, 0]], "seqlen": [3], "y": [138, 30, 66] } ]} 最佳答案
我想通了这个问题。问题不在于输入数据的格式。而是在 NLTK 中。 NLTK.word_tokenize 抛出错误，因为它没有进行标记化所需的数据。我不得不将数据上传到 Google Cloud 或使用不需要任何数据文件的标记化方法来解决这个问题。
我不知道为什么这个 Google Cloud 自定义预测例程软件不告诉它的用户正在发生的错误，但是通过我的所有努力，它总是在出现问题时返回 Unknown error。如果我确切地知道错误是什么，这将是一个简单的修复。
关于google-cloud-platform - 将数据发送到 Google Cloud ML 自定义预测例程的未知错误，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56604407/