Tensorflow TPU训练模型后的单幅图像预测值
我仍然想知道如何在训练网络后预测图像的价值,但它似乎还不被支持。有没有解决方法的想法(摘自mnist_tpu.py) 除了Stackoverflow-我可以在任何其他地方获得支持,使用TPU实现我的模型?根据,您可以选择在线或批处理模式进行预测,但不能选择目标设备。如上所述,“预测服务分配资源来运行您的作业。”Tensorflow TPU训练模型后的单幅图像预测值,tensorflow,google-cloud-platform,google-compute-engine,google-cloud-ml,google-cloud-tpu,Tensorflow,Google Cloud Platform,Google Compute Engine,Google Cloud Ml,Google Cloud Tpu,我仍然想知道如何在训练网络后预测图像的价值,但它似乎还不被支持。有没有解决方法的想法(摘自mnist_tpu.py) 除了Stackoverflow-我可以在任何其他地方获得支持,使用TPU实现我的模型?根据,您可以选择在线或批处理模式进行预测,但不能选择目标设备。如上所述,“预测服务分配资源来运行您的作业。” 文档中说,预测是由节点执行的。我想我在某个地方读到过预测节点总是Google计算引擎中的CPU,但我找不到明确的参考。这里有一个Python程序,它将图像发送到TPU训练过的模型(本例中
文档中说,预测是由节点执行的。我想我在某个地方读到过预测节点总是Google计算引擎中的CPU,但我找不到明确的参考。这里有一个Python程序,它将图像发送到TPU训练过的模型(本例中为ResNet)并返回分类:
with tf.gfile.FastGFile('/some/path.jpg', 'r') as ifp:
credentials = GoogleCredentials.get_application_default()
api = discovery.build('ml', 'v1', credentials=credentials,
discoveryServiceUrl='https://storage.googleapis.com/cloud-ml/discovery/ml_v1_discovery.json')
request_data = {'instances':
[
{"image_bytes": {"b64": base64.b64encode(ifp.read())}}
]
}
parent = 'projects/%s/models/%s/versions/%s' % (PROJECT, MODEL, VERSION)
response = api.projects().predict(body=request_data, name=parent).execute()
print("response={0}".format(response))
完整代码如下:
本文记录了为云TPU编写模型的过程:现在支持它。为了使它工作,已经做了一些改变
除了stackoverflow,您还可以在github上添加您的问题。酷!谢谢!
with tf.gfile.FastGFile('/some/path.jpg', 'r') as ifp:
credentials = GoogleCredentials.get_application_default()
api = discovery.build('ml', 'v1', credentials=credentials,
discoveryServiceUrl='https://storage.googleapis.com/cloud-ml/discovery/ml_v1_discovery.json')
request_data = {'instances':
[
{"image_bytes": {"b64": base64.b64encode(ifp.read())}}
]
}
parent = 'projects/%s/models/%s/versions/%s' % (PROJECT, MODEL, VERSION)
response = api.projects().predict(body=request_data, name=parent).execute()
print("response={0}".format(response))