占位符张量需要机器学习引擎预测中的值，但不需要本地预测

我一直在开发一个与云 ML 引擎的在线预测服务一起使用的模型。我的模型包含一个placeholder_with_default我用它来保存预测显着性阈值的张量。

threshold = tf.placeholder_with_default(0.01, shape=(), name="threshold")

我注意到在使用本地预测时：

gcloud ml-engine local predict --json-instances=data.json --model-dir=/my/model/dir

我不需要提供这个张量的值。例如这是一个有效的输入：

{"features": ["a", "b"], "values": [10, 5]}

然而，当使用在线预测时：

gcloud ml-engine predict --model my_model --version v1 --json-instances data.json

如果我使用上面的 JSON，则会出现错误：

{
    "error": "Prediction failed: Exception during model execution: AbortionError(code=StatusCode.INVALID_ARGUMENT, details=\"input size does not match signature\")"
}

但是，如果我包括阈值，那么我就不会。例如：

{"features": ["a", "b"], "values": [10, 5], "threshold": 0.01}

有没有办法让“阈值”成为可选输入？

Thanks

Matthew

目前看来，这在 CloudML 中是不可能的。如果您从 JSON 文件获取预测，则需要显式添加默认值（就像您对"threshold": 0.01).

在 Python 中，我只是在执行 API 请求之前动态添加所需的属性：

def add_empty_fields(instance):
    placeholder_defaults = {"str_placeholder": "", "float_placeholder": -1.0}
    for ph, default_val in placeholder_defaults.items():
        if ph not in instance:
            instance[ph] = default_val

这会改变instance将占位符名称映射到占位符值的字典。对于具有许多可选占位符的模型，这比为每个实例手动设置缺失的占位符值要好一些。