Python 将ImageFeatureColumn与ml.Preprocess+；ml.features.FeatureMetadata.parse_features

Google Cloud ML明确表示，我可以通过以下步骤为Tensorflow模型创建输入张量：

• 创建

  feature\u set

  =将功能名称映射到

  ml.features.FeatureColumn

  对象的dict
• 将

  feature\u set

  传递到

  ml.Preprocess

  以生成元数据对象
• 调用

  ml.features.FeatureMetadata.parse_features

  ，它使用该元数据对象创建一个张量，该张量将表示

  tf.Example

  -编码的训练示例的张量转换为表示

  feature_集合

  中的特征的张量

但是，当我在我的

feature\u集中包含
ml.features.imagefeature列时，这对我不起作用。特别是，
FeatureMetadata.parse_features
为“我的图像”功能生成了一个形状错误的张量。根据
ImageFeatureColumn.transform
的返回值定义，图像特征由标量JPEG编码字符串组成，这表明相应的张量应为
（批量大小，1）
。但是，
FeatureMetadata.parse\u features
给了我一个形状的张量
（BATCH\u SIZE，ImageFeatureColumn.feature\u SIZE>1）

这使得我无法在该张量上调用
tf.image.decode\u jpeg
。无论我用什么柔道来试着让功能发挥作用，我都会遇到以下错误：

ValueError:无法将包含524288个元素的张量重塑为shape（）（1个元素）

当我将
ImageFeatureColumn.feature\u size
（或基于此值生成的元数据）更改为1时，此错误消失

您可以运行以下脚本以查看此错误：

（不带参数运行脚本以查看错误。带参数运行脚本以查看我在脚本中所做的修复是否有效。）

这是虫子吗

顺便说一句，这是0.1.7-alpha版的
google.cloud.ml
Tensorflow没有图像数据类型，因此图像的Tensor返回值的大小不是1，而是图像中所有字节的大小

Tensorflow在使用固定长度的张量时效果最好，但设置大小的JPEG可能具有不同的二进制长度。为了解决这个问题，JPEG返回的张量的特征大小被设置为（图像宽度）*（图像高度）*8字节/像素，以确保它足够大以容纳图像。您将target_size设置为（256，256），因此图像大小将调整为该大小，并且（每像素8字节）x 256 x 256=524288字节

这些张量应该能够被发送到解码jpeg

如果有帮助，请告诉我。
FYI，要使pastebin脚本中的代码正常工作，您需要在cwd中使用文件名为“image.jpg”的图像。任何图片都可以。同意前两段。但问题是解码jpeg在256*256*8形状的张量上不起作用。事实上，文档中指出只有0-D字符串张量可以：这就是为什么我认为ImageFeatureColumn应该创建一个dtype=string，shape=（1，）张量，该张量可以调整为标量张量。这也将使张量形状与
ImageFeatureColumn.transform的返回值一致