model_export

export_context

class ExportContext(with_remote_gpu=False)

保存模型导出的上下文

is_exporting()

是否在导出模式中

is_exporting_standalone()

是否在导出单机模型

is_exporting_distributed()

是否正在导出分布式模型

get_current_export_ctx()

获取当前的上下文

enter_export_mode(mode, export_ctx=None)

进入模型导出模式，会根据mode构图

Parameters:

• mode (ExportMode) – 导出模式，可选ExportMode.DISTRIBUTED，ExportMode.STANDALONE

• export_ctx (ExportContext，optional) – 模型导出上下文

saved_model_exporters

class StandaloneExporter(model_fn, model_dir, export_dir_base, shared_embedding=False, warmup_file=None)

单机模式的saved model导出器

Parameters:

• model_fn – 和tf.estimator兼容的model_fn，以(features，mode，config)作为参数并且返回EstimatorSpec

• model_dir – 保存checkpoint的目录

• export_dir_base – 导出saved_model的目标路径

• shared_embedding – 是否复用checkpoint中的 embedding 文件， False的话会将embedding文件拷贝至saved_model，可能会降低导出速度

• warmup_file – warmup文件，参考 https://www.tensorflow.org/tfx/serving/saved_model_warmup

export_saved_model(serving_input_receiver_fn, checkpoint_path=None, global_step=None)

导出saved_model

Parameters:

• serving_input_receiver_fn – 返回 tf.estimator.export.ServingInputReceiver 的函数，用来将serving 请求映射到模型输入

• checkpoint_path – 可选的checkpoint路径，为空则使用tf.train.latest_checkpoint(self._model_dir)

class DistributedExporter(model_fn, model_dir, export_dir_base, shared_embedding=False, warmup_file=None, dense_only=False, allow_gpu=False, with_remote_gpu=False, clear_entry_devices=False, include_graphs=None, global_step_as_timestamp=False)

分布式模型导出器

Parameters:

• model_fn – 和tf.estimator兼容的model_fn，以(features，mode，config)作为参数并且返回EstimatorSpec

• model_dir – 保存checkpoint的目录

• export_dir_base – 导出saved_model的目标路径

• shared_embedding – 是否复用checkpoint中的 embedding 文件， False的话会将embedding文件拷贝至saved_model，可能会降低导出速度

• warmup_file – warmup文件，参考 https://www.tensorflow.org/tfx/serving/saved_model_warmup

• include_graphs – Only export saved_models from include_graphs if the param not None， otherwise export all graphs in export context

• global_step_as_timestamp – whether to use use global_step export folder name， useful when we do parallel export in sync_training

export_saved_model(serving_input_receiver_fn, checkpoint_path=None, global_step=None)

导出saved_model

Parameters:

• serving_input_receiver_fn – 返回 tf.estimator.export.ServingInputReceiver 的函数，用来将serving 请求映射到模型输入

• checkpoint_path – 可选的checkpoint路径，为空则使用tf.train.latest_checkpoint(self._model_dir)