预测引擎

预测引擎提供了存储预测模型 save_inference_model 和加载预测模型 load_inference_model 两个接口。

预测模型的存储格式

预测模型的存储格式有两种，由上述两个接口中的 model_filename 和 params_filename 变量控制：

  • 参数保存到各个独立的文件，如设置 model_filename 为 None 、params_filename 为 None
  1. ls recognize_digits_conv.inference.model/*
  2. __model__ conv2d_1.w_0 conv2d_2.w_0 fc_1.w_0 conv2d_1.b_0 conv2d_2.b_0 fc_1.b_0
  • 参数保存到同一个文件，如设置 modelfilename 为 None 、paramsfilename 为 __params
  1. ls recognize_digits_conv.inference.model/*
  2. __model__ __params__

存储预测模型

存储预测模型时，一般通过 fluid.io.saveinferencemodel 接口对默认的 fluid.Program 进行裁剪，只保留预测 predict_var 所需部分。裁剪后的 program 会保存在指定路径 ./infer_model/__model 下，参数会保存到 ./infer_model 下的各个独立文件。

示例代码如下：

  1. exe = fluid.Executor(fluid.CPUPlace())
  2. path = "./infer_model"
  3. fluid.io.save_inference_model(dirname=path, feeded_var_names=['img'],
  4.     target_vars=[predict_var], executor=exe)

加载预测模型

  1. exe = fluid.Executor(fluid.CPUPlace())
  2. path = "./infer_model"
  3. [inference_program, feed_target_names, fetch_targets] =
  4.     fluid.io.load_inference_model(dirname=path, executor=exe)
  5. results = exe.run(inference_program,
  6.               feed={feed_target_names[0]: tensor_img},
  7.               fetch_list=fetch_targets)

在这个示例中，首先调用 fluid.io.load_inference_model 接口，获得预测的 inference_program 、输入数据的名称 feed_target_names 和输出结果的 fetch_targets ;然后调用 executor 执行预测的 inference_program 获得预测结果。