tfft2126

config.ymal 新增了 # use inference save model use_inference: True # 静态图训练时保存为inference model save_inference_feed_varnames: ["dense_input", "sparse_input"] # inference model 的feed参数的名字 save_inference_fetch_varnames: ["label"] # inference model 的fetch参数的名字

> “or remove it from feeded_var_names if 'dense_input' is not involved in the target_vars calculation” 就像报错中说的这样，save_inference_model接口会根据fetch_varnames来裁剪组网，如果feed进来的变量对于输出fetch变量没有帮助，就会被裁剪掉并报错。您需要调整save_inference_fetch_varnames中的参数以正确裁剪组网 可是组网的逻辑是paddlerec的原始代码，我看不出来为什么feed进来的变量会对fetch变量没有帮助，反而裁剪完之后的变量更奇怪一些，都已经没有input了，我尝试了把fetch变量改成save_infer_model/scale_0.tmp_0，也得到是一样的结果

> 您需要梳理一下组网的逻辑，确保写在save_inference_fetch_varnames中的输出，需要且仅需要save_inference_feed_varnames中的输入就可经过组网计算获得。 您的意思我明白了，label确实是已经在组网中的，我想问一下我该如何选取呢，我需要的值是最后sigmoid计算的结果。请问是选择sigmoid_0.tmp_0这个变量吗

> 是的，需要填var名，不是变量名 我把save_inference_fetch_varnames的参数改成了["sigmoid_0.tmp_0"]，可以正常生成预测模型了，但是最终生成的服务proto和我想象的不太一样，并没有出现sigmoid_0.tmp_0，而是save_infer_model/scale_0.tmp_2，请问是哪一步有问题吗？下面是serving_server_conf.prototxt feed_var { name: "dense_input" alias_name: "dense_input" is_lod_tensor: false feed_type: 1 shape: 24 } feed_var { name: "sparse_input" alias_name: "sparse_input" is_lod_tensor: false feed_type: 0 shape: 24 } fetch_var...

> 使用v0.8.3的版本就可以 我使用的jar包是这个，请问是版本不对吗？我把0.0.1改成0.8.3会找不到资源。https://paddle-serving.bj.bcebos.com/jar/paddle-serving-sdk-java-0.0.1.jar。 我看https://github.com/PaddlePaddle/Serving/blob/v0.8.3/doc/Java_SDK_EN.md是这么写的