Python 如何通过将base64映像传递给重新训练的初始模型来获得gcloud预测？

我试图通过将base64编码的图像传递给重新训练的初始模型，并使用与in post采用的方法类似的方法，来获得gcloud的预测。 当使用

'DecodeJpeg/contents:0'

作为输入时，我在尝试获取预测时也会遇到相同的错误，因此我采用了稍微不同的方法

根据他的回答中的建议，我创建了一个图形，该图形将jpeg图像作为

'B64Connector/input'

中的输入，对其进行预处理，并将其提供给

'resizeblinear:0'

中的初始模型

预测返回的值虽然是错误的（我在另一篇文章中试图找到解决方案），但至少没有失败。我用作输入的占位符是

images_placeholder = tf.placeholder(dtype=tf.string, shape=(None,), name='B64Connector/input')

我用

inputs = {"b64_bytes": 'B64Connector/input:0'}
tf.add_to_collection("inputs", json.dumps(inputs))

作为戴维德，我遵循这些帖子中的建议：，并且我正试图用这些建议得到预测

    gcloud beta ml predict --json-instances=request.json --model=MODEL

其中使用此代码获得了文件

request.json

jpgtxt = base64.b64encode(open(imagefile ,"rb").read())

with open( outputfile, 'w' ) as f :
  f.write( json.dumps( {"b64_bytes": {"b64": jpgtxt}} ) )

我想知道为什么当我使用“DecodeJpeg/contents:0”作为输入时预测失败，而当我使用这种不同的方法时预测失败，因为它们看起来几乎和我一样：我使用相同的脚本生成实例（更改输入键）和相同的命令行请求预测

---

是否有方法将馈送到

'B64Connector/input:0'

的实例传递到

'DecodeJpeg/contents:0'

以获得正确的预测？

这里我将更详细地描述我的方法以及如何使用图像占位符

我定义了一个调整图像大小的函数：

  def decode_and_resize(image_str_tensor):
    """Decodes jpeg string, resizes it and returns a uint8 tensor."""

    image = tf.image.decode_jpeg(image_str_tensor, channels=MODEL_INPUT_DEPTH)

    # Note resize expects a batch_size, but tf_map supresses that index,
    # thus we have to expand then squeeze.  Resize returns float32 in the
    # range [0, uint8_max]
    image = tf.expand_dims(image, 0)
    image = tf.image.resize_bilinear(
        image, [MODEL_INPUT_HEIGHT, MODEL_INPUT_WIDTH], align_corners=False)
    image = tf.squeeze(image, squeeze_dims=[0])
    image = tf.cast(image, dtype=tf.uint8)
    return image

以及一个生成图形定义的程序，在该图形中进行调整大小，并在其中定义和使用

images\u占位符

def create_b64_graph() :
  with tf.Graph().as_default() as b64_graph:

    images_placeholder = tf.placeholder(dtype=tf.string, shape=(None,),
                                     name='B64Connector/input')
    decoded_images = tf.map_fn(
        decode_and_resize, images_placeholder, back_prop=False, dtype=tf.uint8)

    # convert_image_dtype, also scales [0, uint8_max] -> [0, 1).
    images = tf.image.convert_image_dtype(decoded_images, dtype=tf.float32)

    # Finally, rescale to [-1,1] instead of [0, 1)
    images = tf.sub(images, 0.5)
    images = tf.mul(images, 2.0)

    # NOTE: using identity to get a known name for the output tensor.
    output = tf.identity(images, name='B64Connector/output')

    b64_graph_def = b64_graph.as_graph_def()

    return b64_graph_def

此外，我使用以下代码将调整大小的图与初始图合并。我是否可以使用类似的方法将

图像\u占位符

直接链接到

'DecodeJpeg/contents:0'

def concatenate_to_inception_graph( b64_graph_def ):

  model_dir = INPUT_MODEL_PATH
  model_filename = os.path.join(
       model_dir, 'classify_image_graph_def.pb')

  with tf.Session() as sess:

    # Import the b64_graph and get its output tensor
    resized_b64_tensor, = (tf.import_graph_def(b64_graph_def, name='',
                             return_elements=['B64Connector/output:0']))

    with gfile.FastGFile(model_filename, 'rb') as f:
      inception_graph_def = tf.GraphDef()
      inception_graph_def.ParseFromString(f.read())

      # Concatenate b64_graph and inception_graph
      g_1 = tf.import_graph_def(inception_graph_def, name='inception',
               input_map={'ResizeBilinear:0' : resized_b64_tensor} )

    return sess.graph

---

要澄清的是，您是使用博客文章中的代码还是您自己的代码？你能发布使用图片占位符的相关代码吗？实际上我使用的是你在stackoverflow上写的一篇文章中的一个稍微定制的代码版本。我马上就把密码发出去！另外，你能说说为什么这篇博文不能满足你的需要吗？我还没有完全弄清楚您的定制提供了哪些额外功能