SageMaker TensorFlow：如何编写serving_input_fn()函数？

嘿，作为TensorFlow和SageMaker的新手，写serving_input_fn()确实容易卡壳，我结合你的三个数值特征列，给你一个能直接复用的实现，再一步步给你讲清楚逻辑：

首先先把你的特征列构造函数补全，再搭配对应的serving_input_fn()：

import tensorflow as tf

def construct_feature_columns():
    amount_normalized = tf.feature_column.numeric_column(key='amount_normalized')
    x_month = tf.feature_column.numeric_column(key='x_month')
    y_month = tf.feature_column.numeric_column(key='y_month')
    return set([amount_normalized, x_month, y_month])

def serving_input_fn():
    # 定义接收外部请求的占位符，shape=[None]支持单条/批量预测请求
    feature_placeholders = {
        'amount_normalized': tf.placeholder(tf.float32, shape=[None]),
        'x_month': tf.placeholder(tf.float32, shape=[None]),
        'y_month': tf.placeholder(tf.float32, shape=[None])
    }
    
    # 这里直接用占位符作为模型输入的特征字典（如果无需额外预处理的话）
    # 如果需要在服务阶段做预处理（比如动态归一化），可以在这里添加逻辑
    features = feature_placeholders
    
    # 返回ServingInputReceiver，告诉SageMaker如何解析请求并喂给模型
    return tf.estimator.export.ServingInputReceiver(features, feature_placeholders)

关键部分解释 #

• 占位符定义：每个特征对应一个tf.placeholder，shape=[None]是为了兼容单条预测和批量预测两种场景，数据类型用tf.float32匹配你的数值特征列。
• 特征字典处理：因为你的amount_normalized已经是预处理后的特征，所以直接把占位符作为特征字典返回即可。如果需要在服务时动态做预处理（比如用训练时的均值/方差做归一化），可以参考下面的示例：

  # 示例：服务阶段动态归一化amount特征（假设训练时的均值和方差已知）
  mean_amount = 120.5  # 替换成你训练时计算的均值
  std_amount = 30.2    # 替换成你训练时计算的方差
  normalized_amount = (feature_placeholders['amount_normalized'] - mean_amount) / std_amount
  
  features = {
      'amount_normalized': normalized_amount,
      'x_month': feature_placeholders['x_month'],
      'y_month': feature_placeholders['y_month']
  }
  

• ServingInputReceiver的作用：这个对象是连接外部请求和模型的桥梁，它包含两个核心部分：
  1. features：模型训练时使用的特征格式，也就是模型期望接收的输入。
  2. receiver_tensors：外部请求的原始数据会被映射到这些张量上，也就是我们定义的占位符。

常见避坑提示 #

• 一定要保证特征列的key和serving_input_fn里占位符的key完全一致，否则模型会找不到对应特征报错。
• 如果用的是TensorFlow Estimator（比如DNNClassifier），这个serving_input_fn可以直接传给estimator.export_savedmodel()方法导出模型，供SageMaker部署使用。
• 在SageMaker训练脚本里，导出模型的代码可以这么写：

  estimator.export_savedmodel(export_dir_base='export', serving_input_receiver_fn=serving_input_fn)
  

内容的提问来源于stack exchange，提问作者pbh