在用于服务模型的Tensorflow中，服务输入功能应该做什么

如果希望模型能够进行预测，则需要提供服务的输入功能。serving_input_fn指定predict（）方法的调用者必须提供的内容。您实际上是在告诉模型必须从用户那里获取什么数据。

如果您有29个输入，则服务输入功能可能类似于：

def serving_input_fn():    feature_placeholders = {      'var1' : tf.placeholder(tf.float32, [None]),      'var2' : tf.placeholder(tf.float32, [None]),      ...    }    features = {        key: tf.expand_dims(tensor, -1)        for key, tensor in feature_placeholders.items()    }    return tf.estimator.export.ServingInputReceiver(features,         feature_placeholders)

通常以JSON形式出现：

{"instances": [{"var1": [23, 34], "var2": [...], ...}]}

PS输出不是服务输入功能的一部分，因为这与要预测的输入有关。如果您使用的是预制估算器，则输出已经预先确定。如果要编写自定义估算器，则应编写导出签名。