用自己训练好的模型转换成pd文件后，启动ner服务报错 about bert-train2deploy

[xmxoxo]

请检查设置的环境变量值是否正确：
$TRAINED_CLASSIFIER
$EXP_NAME

请参考readme.md中的说明，指定对应的环境变量，或者直接写出模型文件的目录名称；

[neveroma]

我试了一下改了环境变量，故意输错

E:NER_MODEL, Lodding...:[gra:opt:306]:fail to optimize the graph! /work/dl/pretrained-model/chinese_L-12_H-768_A-12/1/bert_config.json; No such file or directory

FileNotFoundError: [Errno 2] No such file or directory: '/work/dl/BERT-train2deploy/output/certificate1/label2id.pkl'

报的错和前面的不同

[neveroma]

找到原因了
由于我需要运行的是ner模式，看了下bert_base/server/graph.py的源码

 # 如果PB文件已经存在则，返回PB文件的路径，否则将模型转化为PB文件，并且返回存储PB文件的路径
        if args.model_pb_dir is None:
            # 获取当前的运行路径
            tmp_file = os.path.join(os.getcwd(), 'predict_optimizer')
            if not os.path.exists(tmp_file):
                os.mkdir(tmp_file)
        else:
            tmp_file = args.model_pb_dir
        pb_file = os.path.join(tmp_file, 'ner_model.pb')
        if os.path.exists(pb_file):
            print('pb_file exits', pb_file)
            return pb_file

NER的PD文件默认名称是 ner_model.pb
把freeze_graph.py

pb_file = os.path.join(tmp_dir, 'classification_model.pb')

改成

pb_file = os.path.join(tmp_dir, 'ner_model.pb')

或者仿造 optimize_class_model 方法 加一个 optimize_ner_model
服务就可以跑起来了