sassoftware / sassoftware/python-sasctl

Use PZMM to Save Tensorflow Model

Ouverte
#108 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

enhancement
Langage dominant
Python
Étoiles
52
Forks
45
Merge moyen
23 h 38 min
PR mergées (30 j)
2

Description

I was working with a customer who was trying to use the pzmm.PickleModel.pickleTrainedModel() function on a TensorFlow model, but they were getting a 'TypeError: can't pickle weakref objects'. My ideal solution would be to for the PickleTrainedModel() function to have the ability to ingest Tensorflow models or have a similar function available for Tensorflow models. For now, I think the work-around would be to use Tensorflow's save() function to save the model, make that model available to Model Manager, and then edit the score code to use Tensorflow's load_model() function instead of un-pickling the model, but I am open to other work-around ideas.

Guide de contribution

Ouvrir le guide de contribution

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Piste de recherche

Commencez par reproduire le TypeError de pzmm.PickleModel.pickleTrainedModel() avec un modèle TensorFlow, puis comparez le comportement demandé avec le workflow save() et load_model() de TensorFlow. La tâche sera considérée comme terminée lorsqu’une méthode convenue et testée permettra à Model Manager de gérer les modèles TensorFlow, ou lorsqu’une alternative documentée existera si le pickling direct n’est pas pris en charge.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
python, tensorflow
Domaine
machine-learning
Type d'issue
Fonctionnalité
Difficulté
5/5
Temps estimé
Plus d'une semaine
Activité
À l'abandon
Clarté
À clarifier
Accessibilité débutants
25/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.