如何修改 TensorFlow 代码以接受样本以在 Google Cloud ML 上进行预测？
How to modify TensorFlow code to accept samples for prediction on Google Cloud ML?
我尝试在 Google Cloud ML 从 Cloud Storage 导出我的训练模型后创建一个模型，但我得到的错误是：
Create Version failed. Model validation failed: SavedModel must contain exactly one metagraph with tag: serve For more information on how to export Tensorflow SavedModel, seehttps://www.tensorflow.org/api_docs/python/tf/saved_model.
所以我的训练中只有一个 TensorFlow .add_meta_graph_and_variables()。我应该再做一个来处理新的输入吗？我不完全理解创建服务元图的过程以及如何设置我的代码来评估单个实例。
是的，如果您使用的是核心 TensorFlow，您应该导出一个单独的预测图。参见：
如果您使用 Estimator API，只需使用 Experiment 并传入一个导出函数。我强烈建议使用 Estimator/Experiment 而不是核心 TensorFlow
我尝试在 Google Cloud ML 从 Cloud Storage 导出我的训练模型后创建一个模型，但我得到的错误是：
Create Version failed. Model validation failed: SavedModel must contain exactly one metagraph with tag: serve For more information on how to export Tensorflow SavedModel, seehttps://www.tensorflow.org/api_docs/python/tf/saved_model.
所以我的训练中只有一个 TensorFlow .add_meta_graph_and_variables()。我应该再做一个来处理新的输入吗？我不完全理解创建服务元图的过程以及如何设置我的代码来评估单个实例。
是的，如果您使用的是核心 TensorFlow，您应该导出一个单独的预测图。参见：
如果您使用 Estimator API，只需使用 Experiment 并传入一个导出函数。我强烈建议使用 Estimator/Experiment 而不是核心 TensorFlow