如何在不重新训练模型的情况下更改已保存模型的签名？答案

【问题标题】：How do I change the Signatures of my SavedModel without retraining the model?如何在不重新训练模型的情况下更改已保存模型的签名？
【发布时间】：2017-08-05 16:58:38
【问题描述】：

我刚刚完成模型的训练，却发现我导出的服务模型存在签名问题。如何更新它们？

（一个常见的问题是为 CloudML Engine 设置了错误的形状）。

【问题讨论】：

标签： tensorflow tensorflow-serving google-cloud-ml google-cloud-ml-engine

【解决方案1】：

不用担心，您无需重新训练模型。也就是说，还有一些工作要做。您将创建一个新的（已修正的）服务图，将检查点加载到该图中，然后导出该图。

例如，假设您添加了一个占位符，但没有设置形状，即使您打算这样做（例如，在 CloudML 上运行）。在这种情况下，您的图表可能如下所示：

x = tf.placeholder(tf.float32)
y = foo(x)
...

要纠正这个问题：

# Create the *correct* graph
with tf.Graph().as_default() as new_graph:
  x = tf.placeholder(tf.float32, shape=[None])
  y = foo(x)
  saver = tf.train.Saver()

# (Re-)define the inputs and the outputs.
inputs = {"x": tf.saved_model.utils.build_tensor_info(x)}
outputs = {"y": tf.saved_model.utils.build_tensor_info(y)}
signature = tf.saved_model.signature_def_utils.build_signature_def(
    inputs=inputs,
    outputs=outputs,
    method_name=tf.saved_model.signature_constants.PREDICT_METHOD_NAME
)

with tf.Session(graph=new_graph) as session:
  # Restore the variables
  vars_path = os.path.join(old_export_dir, 'variables', 'variables')
  saver.restore(session, vars_path)

  # Save out the corrected model
  b = builder.SavedModelBuilder(new_export_dir)
  b.add_meta_graph_and_variables(session, ['serving_default'], signature)
  b.save()

【讨论】：