小编use*_*384的帖子

记录请求由tensorflow服务模型提供

我使用tesnorflow服务构建了一个模型,并使用此命令在服务器上运行它: -

bazel-bin/tensorflow_serving/model_servers/tensorflow_model_server --port=9009 --model_name=ETA_DNN_Regressor --model_base_path=//apps/node-apps/tensorflow-models-repository/ETA

Run Code Online (Sandbox Code Playgroud)

但是现在这个屏幕停滞不前,没有提供任何关于传入请求和共鸣的信息.我尝试使用TF_CPP_MIN_VLOG_LEVEL = 1标志.但现在它提供了如此多的输出,仍然没有记录/监视传入的请求/响应.

请建议如何查看这些日志.

我面临的第二个问题是如何在后台运行此过程并不断监视它.让我们假设我关闭了控制台,然后这个过程也应该运行,以及如何再次重新连接该过程控制台并查看实时流量.

任何建议都会有所帮助.

python bash logging tensorflow tensorflow-serving

use*_*384

lucky-day

7
推荐指数

1
解决办法

2541
查看次数

如何从表单的扫描图像中获取数据？

我有一些扫描表格的数据。表单的格式是预定义的，我也有空表单的图像。我想从表单中的每个值中提取该信息。R 或 python 中用于图像处理的任何已知解决方案或库都可以提供帮助，以实现这些值。我已经在 python 中尝试过 openCv，但没有成功。有什么解决办法吗？

PFA 我拥有的两种类型图像的屏幕截图。

空表格图像：- 填写表格图像：-

python opencv r image-processing

use*_*384

lucky-day

5
推荐指数

1
解决办法

2484
查看次数

如何在Tensorflow DNNRegressor Estimator模型中解释损失函数？

我正在使用Tensorflow DNNRegressor Estimator模型来制作神经网络。但是调用estimator.train()函数给出的输出如下：

即我的损失函数在每个步骤中都变化很大。但是据我所知，我的损失函数应该减少而无需迭代。另外，找到随附的Tensorboard Visualization屏幕截图以了解损失功能：

我无法弄清的疑问是：

是整体损失函数值（到目前为止处理的每个步骤的综合损失）还是该步骤的损失值？
如果是那一步的损失值，那么如何获得整体损失函数的值并查看其趋势，我认为应该随着迭代次数的增加而降低？据我所知，这是我们在训练数据集时应注意的价值。
如果这是总损失值，那么为什么波动那么大？我想念什么吗？

python machine-learning neural-network tensorflow tensorboard

use*_*384

2017 10-04

5
推荐指数

1
解决办法

2088
查看次数

如何从tensorflow服务器解析gRPC存根客户端收到的输出？

我已经导出了一个DNNClassifier模型,并使用docker在tensorflow服务器上运行它.之后我编写了一个python客户端来与该tensorflow进行交互,为新的预测服务.

我编写了以下代码来获取tensorflow服务器的响应.

host, port = FLAGS.server.split(':')
  channel = implementations.insecure_channel(host, int(port))
  stub = prediction_service_pb2.beta_create_PredictionService_stub(channel)

  request = predict_pb2.PredictRequest()
  request.model_spec.name = FLAGS.model
  request.model_spec.signature_name = 'serving_default'

  feature_dict = {'a': _float_feature(value=400),
                  'b': _float_feature(value=5),
                  'c': _float_feature(value=200),
                  'd': _float_feature(value=30),
                  'e': _float_feature(value=60),
                  'f': _float_feature(value=5),
                  'g': _float_feature(value=7500),
                  'h': _int_feature(value=1),
                  'i': _int_feature(value=1234),
                  'j': _int_feature(value=1),
                  'k': _int_feature(value=4),
                  'l': _int_feature(value=1),
                  'm': _int_feature(value=0)}
  example= tf.train.Example(features=tf.train.Features(feature=feature_dict))
  serialized = example.SerializeToString()

  request.inputs['inputs'].CopyFrom(
        tf.contrib.util.make_tensor_proto(serialized, shape=[1]))

  result_future = stub.Predict.future(request, 5.0)
  print(result_future.result())

Run Code Online (Sandbox Code Playgroud)

现在输出我得到的输出是: -

我无法弄清楚如何解析float_val数,因为这是我的输出.请帮忙.