该文档涉及的组件

TF SavedModel 模型预测 (TFSavedModelPredictor)

Java 类名:com.alibaba.alink.pipeline.tensorflow.TFSavedModelPredictor

Python 类名:TFSavedModelPredictor

功能介绍

该组件支持直接使用 SavedModel 进行预测。

模型路径需要时一个压缩文件,解压后能得到一个目录,目录内包含 SavedModel 的文件。

参数说明

名称 中文名称 描述 类型 是否必须? 取值范围 默认值
modelPath 模型的URL路径 模型的URL路径 String
outputSchemaStr Schema Schema。格式为“colname coltype[, colname2, coltype2[, …]]”,例如 “f0 string, f1 bigint, f2 double” String
graphDefTag graph标签 graph标签 String “serve”
inputSignatureDefs 输入 SignatureDef SavedModel 模型的输入 SignatureDef 名,用逗号分隔,需要与输入列一一对应,默认与选择列相同 String[] null
intraOpParallelism Op 间并发度 Op 间并发度 Integer 4
outputSignatureDefs TF 输出 SignatureDef 名 模型的输出 SignatureDef 名,多个输出时用逗号分隔,并且与输出 Schema 一一对应,默认与输出 Schema 中的列名相同 String[] null
reservedCols 算法保留列名 算法保留列 String[] null
selectedCols 选中的列名数组 计算列对应的列名列表 String[] null
signatureDefKey signature标签 signature标签 String “serving_default”

模型路径说明

模型路径可以是以下形式:
- 本地文件:file:// 加绝对路径,例如 file:///tmp/dnn.py;
- Java 包中的资源文件:res:// 加路径,例如 res:///dnn.py;
- http/https 文件:http:// 或 https:// 路径;
- OSS 文件:oss:// 加路径和 Endpoint 和 access key 等信息,例如oss://bucket/xxx/xxx/xxx.py?host=xxx&access_key_id=xxx&access_key_secret=xxx;
- HDFS 文件:hdfs:// 加路径;

代码示例

** 以下代码仅用于示意,可能需要修改部分代码或者配置环境后才能正常运行!**

Python 代码

test = AkSourceBatchOp()\
    .setFilePath("https://alink-release.oss-cn-beijing.aliyuncs.com/data-files/mnist_test_vector.ak");

test = VectorToTensorBatchOp()\
    .setTensorDataType("float")\
    .setTensorShape([1, 28, 28, 1])\
    .setSelectedCol("vec")\
    .setOutputCol("tensor")\
    .setReservedCols(["label"])\
    .linkFrom(test)

predictor = TFSavedModelPredictor()\
    .setModelPath("https://alink-release.oss-cn-beijing.aliyuncs.com/data-files/mnist_model_tf.zip")\
    .setSelectedCols(["tensor"])\
    .setInputSignatureDefs(["input_1"])\
    .setOutputSignatureDefs(["output_1"])\
    .setOutputSchemaStr("probabilities FLOAT_TENSOR")

test = predictor.transform(test).select("label, probabilities")
test.print()

Java 代码

package examples;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.dataproc.VectorToTensorBatchOp;
import com.alibaba.alink.operator.batch.source.AkSourceBatchOp;
import com.alibaba.alink.pipeline.tensorflow.TFSavedModelPredictor;
import org.junit.Test;

public class TFSavedModelPredictorTest {

	@Test
	public void testTFSavedModelPredictor() throws Exception {
		BatchOperator.setParallelism(1);
		BatchOperator <?> test = new AkSourceBatchOp()
			.setFilePath("https://alink-release.oss-cn-beijing.aliyuncs.com/data-files/mnist_test_vector.ak");

		test = new VectorToTensorBatchOp()
			.setTensorDataType("float")
			.setTensorShape(1, 28, 28, 1)
			.setSelectedCol("vec")
			.setOutputCol("tensor")
			.setReservedCols("label")
			.linkFrom(test);

		TFSavedModelPredictor predictor = new TFSavedModelPredictor()
			.setModelPath("https://alink-release.oss-cn-beijing.aliyuncs.com/data-files/mnist_model_tf.zip")
			.setSelectedCols("tensor")
			.setInputSignatureDefs(new String[] {"input_1"})
			.setOutputSignatureDefs(new String[] {"output_1"})
			.setOutputSchemaStr("probabilities FLOAT_TENSOR");

		test = predictor.transform(test).select("label, probabilities");
		test.print();
	}
}