Tensorflow Keras GCP ML发动机型号服务
我正在使用tensorflow estimator+keras开发一个图像分类器,在GCP ML引擎上重新训练预训练应用程序的最后一层inception_v3 keras模型使用Tensorflow Keras GCP ML发动机型号服务,tensorflow,keras,google-cloud-platform,google-cloud-ml,Tensorflow,Keras,Google Cloud Platform,Google Cloud Ml,我正在使用tensorflow estimator+keras开发一个图像分类器,在GCP ML引擎上重新训练预训练应用程序的最后一层inception_v3 keras模型使用tf.keras.estimator.model_to_estimator导出,输入函数接收存储在GCP云存储上的图像路径使用tf.image.decode_jpeg打开图像,并返回以下格式的数据集dict(zip(['inception\u v3_input',[image]),标签 我正试图定义tf.estimato
tf.keras.estimator.model_to_estimator
导出,输入函数接收存储在GCP云存储上的图像路径使用tf.image.decode_jpeg
打开图像,并返回以下格式的数据集dict(zip(['inception\u v3_input',[image]),标签
我正试图定义tf.estimator.export.servicingInputReceiver
,但我在定义它时遇到了一些问题
该模型使用不带标签的输入函数,通过predict
方法正确地服务于预测。
我的想法是重用input_函数对图像进行解码,仅将云存储上的图像路径传递到google端点的预测,但我不知道如何做到这一点
感谢您的帮助如果我理解正确,您的问题是如何从云存储获取文件,考虑到您希望以这种方式解码图像:
image_decoded = tf.image.decode_jpeg(image_string)
因此,在这种情况下,您可以使用:
image_string = file_io.FileIO(filename, mode='r')
通过首先导入文件io:
from tensorflow.python.lib.io import file_io
根据,使用file_read函数应该会提供相同的结果,因为“有大量的工作要做来抽象文件io和文件系统,所以所有io功能都是一致的”。因此,您也可以尝试使用“读取文件”功能。这是否有帮助?