2

我试图通过使用与Davide Biraghi在本文中采用的方法类似的方法，将 base64 编码图像传递给经过重新训练的初始模型，从而获得 gcloud 的预测。当'DecodeJpeg/contents:0'用作输入时，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。

按照rhaertel80在他对这篇文章的回答中的建议，我创建了一个图形，该图形将 jpeg 图像作为输入'B64Connector/input'，对其进行预处理并将其提供给 inception 模型'ResizeBilinear:0'。

预测返回值，虽然是错误的（我试图在另一篇文章中找到解决方案），但至少它不会失败。我用作输入的占位符是 

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

我将它添加到模型输入中

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

作为 Davide，我正在遵循这些帖子中的建议：here、here和here，我正在尝试通过以下方式进行预测

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

request.json使用此代码获取文件的位置

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用作输入时预测会失败，'DecodeJpeg/contents:0'而当我使用这种不同的方法时预测会失败，因为它们看起来与我几乎相同：我使用相同的脚本来生成实例（更改 input_key）和请求预测的相同命令行

有没有办法将输入的实例传递给以'B64Connector/input:0'获得'DecodeJpeg/contents:0'正确的预测？

4

1 回答 1

2

在这里，我更详细地描述了我的方法以及我如何使用 images_placeholder。

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

和一个生成图形的定义，在该图形中发生调整大小以及在哪里images_placeholder定义和使用

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，我正在使用以下代码将调整大小图与初始图合并。我可以使用类似的方法images_placeholder直接链接到'DecodeJpeg/contents:0'吗？

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
于 2016-12-21T17:01:21.290 回答