аюсь использовать Google Cloud ML для размещения модели Tensorflow и получения прогнозов. У меня есть предварительно обученная модель, которую я загрузил в облако, и я создал модель и версию в своей консоли Cloud ML.

Я следовал инструкциямотсюда подготовить мои данные для запроса онлайн-прогнозов. Как для метода Python, так и дляglcoud метод я получаю ту же ошибку. Для простоты я выложуgcloud метод:

я бегуgcloud ml-engine predict --model spell_correction --json-instances test.json гдеtest.json мой входной файл данных (массив JSON с именемinstances). Я получаю следующий результат:

ERROR: (gcloud.ml-engine.predict) HTTP request failed. Response: {
  "error": {
  "code": 400,
  "message": "Precondition check failed.",
  "status": "FAILED_PRECONDITION"
  }
}

Как я могу получить более подробную информацию об этом? Та же самая ошибка происходит, когда я пытаюсь через Python, и там у меня естьgoogleapiclient.http.HttpRequest объект, содержащий ошибку. Я просто хочу знать, почему эта ошибка происходит, кроме этой общей ошибки. Кто-нибудь знает, как получить более подробную информацию с помощью метода Python илиgcloud метод? Я предполагаю, что, поскольку это та же самая ошибка, это та же самая основная причина.

Выход изgcloud ml-engine models list:

NAME              DEFAULT_VERSION_NAME
spell_correction  testing

Выход изgcloud ml-engine versions list --model spell_correction

NAME     DEPLOYMENT_URI
testing  gs://<my-bucket>/output/1/

test.json: {"instances": [{"tokens": [[9], [4], [11], [9]], "mask": [[18], [7], [12], [30]], "keep_prob": 1.0, "beam": 64}]}

Мой вклад в модель:

tokens: tf.placeholder(tf.int32, shape=[None, None])

mask: tf.placeholder(tf.int32, shape=[None, None])

keep_prob: tf.placeholder(tf.float32)

beam: tf.placeholder(tf.int32)

При звонке через python,request_body простоtest.json как строка