Python 如何为Google AI平台向保存的模型添加后处理层？
我正在做一个关于超分辨率的项目，所以我得到一个图像作为输入，并返回一个更大的图像（x2，x4）作为输出。 我试图上传模型到，但我得到的组合GPU的问题预测替代品 我能够使代码正常工作，输入和输出都是base64 jpg图像。但我不能用GPU机器进行这种预测 我尝试了，然后创建了一个，但我只能定义解码jpg图像的函数，但我无法定义输出的等效函数，因此在线预测平台返回的原始图像的json文件非常大（对于13K jpg图像的输入，它返回19MB的原始图像） 有没有办法在SaveModel上定义一个后预测步骤，以便能够在回答请求实例之前以jpg格式对原始图像进行编码？我想使用GPU的机器，目前不可用于自定义预测例程Python 如何为Google AI平台向保存的模型添加后处理层？,python,tensorflow,machine-learning,tensorflow-estimator,gcp-ai-platform-training,Python,Tensorflow,Machine Learning,Tensorflow Estimator,Gcp Ai Platform Training,我正在做一个关于超分辨率的项目，所以我得到一个图像作为输入，并返回一个更大的图像（x2，x4）作为输出。 我试图上传模型到，但我得到的组合GPU的问题预测替代品 我能够使代码正常工作，输入和输出都是base64 jpg图像。但我不能用GPU机器进行这种预测 我尝试了，然后创建了一个，但我只能定义解码jpg图像的函数，但我无法定义输出的等效函数，因此在线预测平台返回的原始图像的json文件非常大（对于13K jpg图像的输入，它返回19MB的原始图像） 有没有办法在SaveModel上定义一个后预