Как передать параметры функции прогнозирования тензорного потока в сиддхи?

Какие параметры передаются функции прогнозирования? Есть ли какая-либо документация по использованию плагина siddhi tensorflow?

Хотя в качестве части образца есть модель pbtxt, она сама по себе очень расплывчата и не содержит сведений о том, что используется для прогнозирования.

@App:name("TensorFlowTestApp")

define stream InputStream (x string);

@sink(type='log') 
define stream OutputStream (outputPoint0 double, outputPoint1 double);

@info(name = 'query1')
from InputStream#tensorFlow:predict('{SP_HOME}/samples/artifacts/TensorflowSample/Regression', 'inputPoint', 'outputPoint', x)
select outputPoint0, outputPoint1
insert into OutputStream;

Может кто-нибудь помочь мне понять это?


tensorflow stream-processing siddhi wso2sp
person dilip sundar    schedule 15.05.2019    source источник

Ответы (1)


arrow_upward
1
arrow_downward

Пожалуйста, найдите документацию здесь. В представленном примере используется простая модель линейной регрессии. Вы задаете двумерную координату x, для которой вы получите двумерную координату y, предсказанную из сохраненной модели.

Какие параметры вы передадите в прогноз, будет зависеть от того, какие параметры требуются для прогнозирования, и это будет меняться от модели к модели. В этом случае требуется координата x. Вы можете передавать значения в координату x, используя симуляцию событий редактора Сиддхи, следуя примеру. Обратите внимание, что двумерная координата x должна передаваться в виде строки типа «[1, -2]» при моделировании события.

«inputPoint» - это имя узла в графе TensorFlow, в который мы вводим значения из нашего потока. «outputPoint» - это имя узла вывода предсказания, из которого мы читаем значения предсказания. Поскольку Сиддхи не знает имен узлов в моделях TensorFlow (пользователь может использовать любую модель TensorFlow, которую он обучил), нам необходимо передать имена входных и выходных данных в качестве параметров для прогнозирования. Первый параметр - это путь к вашей модели TensorFlow.

person Niruhan Viswarupan    schedule 16.05.2019