使用Java API将维度0的索引0切片到超出范围

我已经生成了一个SavedModel，可以与下面的Python代码一起使用

import base64
import numpy as np
import tensorflow as tf
​
​
fn_load_image = lambda filename: np.array([base64.urlsafe_b64encode(open(filename, "rb").read())])
filename='test.jpg'
with tf.Session() as sess:
    loaded = tf.saved_model.loader.load(sess, ['serve'], 'tools/base64_model/1')
    image = fn_load_image(filename)
    p = sess.run('predictions:0', feed_dict={"input:0": image})
    print(p)

这给了我期望的价值

在同一模型上使用下面的Java代码时

    // load the model Bundle
    try (SavedModelBundle b = SavedModelBundle.load("tools/base64_model/1",
            "serve")) {

        // create the session from the Bundle
        Session sess = b.session();

        // base64 representation of JPG
        byte[] content = IOUtils.toByteArray(new FileInputStream(new File((args[0]))));

        String encodedString = Base64.getUrlEncoder().encodeToString(content);

        Tensor t = Tensors.create(encodedString);

        // run the model and get the classification
        final List<Tensor<?>> result = sess.runner().feed("input", 0, t).fetch("predictions", 0).run();

        // print out the result.
        System.out.println(result);
    }

---

您的模型期望输入张量为秩-1，而您提供的张量为秩-0

这一行产生一个可变长度的标量张量（即

dtu字符串

）

tensort=Tensors.create（encodedString）；

然而，预期的张量是秩-1，正如您可以从这里的形状

（-1）

中看到的，这意味着它预期的是一个包含不同数量元素的向量

The given SavedModel SignatureDef contains the following input(s):
    inputs['inputs'] tensor_info:
        dtype: DT_STRING
        shape: (-1)
        name: input:0

因此，通过传递字符串数组，您的问题可能会得到解决。只有将字符串作为字节数组传递时，才可以使用

张量
工厂，如下所示：

//JPG的base64表示
byte[]content=IOUtils.toByteArray（新文件inputstream（新文件（（args[0]）））；
字节[]encodedBytes=Base64.getUrlEncoder（）.encode（内容）；
张量t=Tensors.create（新字节[][{encodedBytes}）；
...

The given SavedModel SignatureDef contains the following input(s):
    inputs['inputs'] tensor_info:
        dtype: DT_STRING
        shape: (-1)
        name: input:0