我有一个简单的序列模型，用Python编写，使用TensorFlow库。作为输入，我有分类和数值列，在输出中我得到浮点数。
我想在Windows应用程序（.NET）中部署我的模型，我想知道如何处理数据编码器（例如。标签编码器、归一化编码器）。
我至少有两个选择：
- 以某种方式保存编码器-怎么做？
- 在tf中添加预处理层（我个人是支持这个选项的），但是怎么做呢？我正在寻找一个类似于Sklearn的FeatureUnion/ColumnTransform的解决方案。是否可以使用预处理层，并选择为每列单独设置编码器？怎么做？
1条答案
按热度按时间0md85ypi1#
在训练脚本中独立于TensorFlow模型使用sklearn预处理。之后，将sklearn预处理步骤和TensorFlow模型保存为ONNX。然后，将预处理步骤的输出作为.NET应用程序中模型的输入，或者使用ONNX helper提前将两个模型缝合在一起。
附言
如果你需要一个具体的例子，如何将几个onnx模型组合到一个文件中，你可以参考我的Falcon-ML库中的this文件，我在那里有完全相同的用例。