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()

  1. ### 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 {

  1. @Test
  2. public void testTFSavedModelPredictor() throws Exception {
  3.     BatchOperator.setParallelism(1);
  4.     BatchOperator <?> test = new AkSourceBatchOp()
  5.         .setFilePath("https://alink-release.oss-cn-beijing.aliyuncs.com/data-files/mnist_test_vector.ak");
  7.     test = new VectorToTensorBatchOp()
  8.         .setTensorDataType("float")
  9.         .setTensorShape(1, 28, 28, 1)
  10.         .setSelectedCol("vec")
  11.         .setOutputCol("tensor")
  12.         .setReservedCols("label")
  13.         .linkFrom(test);
  15.     TFSavedModelPredictor predictor = new TFSavedModelPredictor()
  16.         .setModelPath("https://alink-release.oss-cn-beijing.aliyuncs.com/data-files/mnist_model_tf.zip")
  17.         .setSelectedCols("tensor")
  18.         .setInputSignatureDefs(new String[] {"input_1"})
  19.         .setOutputSignatureDefs(new String[] {"output_1"})
  20.         .setOutputSchemaStr("probabilities FLOAT_TENSOR");
  22.     test = predictor.transform(test).select("label, probabilities");
  23.     test.print();
  24. }

}

```