Seguíeste gran tutorial y entrenó con éxito un modelo (en CloudML). Mi código también hace predicciones fuera de línea, pero ahora estoy tratando de usar Cloud ML para hacer predicciones y tengo algunos problemas.

Para desplegar mi modelo, seguíeste tutorial. Ahora tengo un código que generaTFRecords viaapache_beam.io.WriteToTFRecord y quiero hacer predicciones para esosTFRecords. Para hacerlo estoy siguiendoEste artícul, mi comando se ve así:

gcloud ml-engine jobs submit prediction $JOB_ID --model $MODEL --input-paths gs://"$FILE_INPUT".gz --output-path gs://"$OUTPUT"/predictions --region us-west1 --data-format TF_RECORD_GZIP

Pero solo obtengo errores:'Exception during running the graph: Expected serialized to be a scalar, got shape: [64]

Parece que espera datos en un formato diferente. Encontré las especificaciones de formato para JSONaqu, pero no pude encontrar cómo hacerlo con TFrecords.

UPDATE: aquí está la salida desaved_model_cli show --all --dir

MetaGraphDef with tag-set: 'serve' contains the following SignatureDefs:

signature_def['prediction']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['example_proto'] tensor_info:
    dtype: DT_STRING
    shape: unknown_rank
    name: input:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['probability'] tensor_info:
    dtype: DT_FLOAT
    shape: (1, 1)
    name: probability:0
  Method name is: tensorflow/serving/predict

signature_def['serving_default']:
  The given SavedModel SignatureDef contains the following input(s):
    inputs['example_proto'] tensor_info:
    dtype: DT_STRING
    shape: unknown_rank
    name: input:0
  The given SavedModel SignatureDef contains the following output(s):
    outputs['probability'] tensor_info:
    dtype: DT_FLOAT
    shape: (1, 1)
    name: probability:0
  Method name is: tensorflow/serving/predict