我有一个训练有素的 TF 模型，它在序列化 ( TFRecord) 输入上运行。图像数据具有可变形状，并通过 转换为 229x229x3 形状tf.image.resize_images(...)。我想使用与此类似的gcloud ml-engine predict 平台，确保接受任何尺寸的图像作为输入。

我从以下函数获取我的features张量（传递给预测图）：

最后tf.reshape是因为我的预测图需要一个 shape 的张量[batch_size, 229, 229, 3]。当我通过引擎运行它时

我得到一个PredictionError：

在我看来，它tf.reshape的输出tf.image.resize_images应该具有正确的形状。关于我在这里做错了什么有什么想法吗？提前致谢！

我面临将数据从 appengine 上传到已部署模型以进行预测的问题。该功能在我的本地系统上运行良好，但是当我部署应用程序时，我收到一些错误，说数据不是 Json 可序列化的。我不明白这一点，任何帮助将不胜感激。

示例代码：

来自 appengine 的输出日志log file

我在这里搜索了很多，但不幸的是找不到答案。

我正在TensorFlow 1.3本地机器上运行（通过 MacOS 上的 PiP 安装），并使用提供的“ ssd_mobilenet_v1_coco”检查点创建了一个模型。

我设法在本地和 ML-Engine（运行时 1.2）上进行训练，并成功地将我的 savedModel 部署到 ML-Engine。

本地预测（下面的代码）工作正常，我得到了模型结果

但是，在部署模型并尝试在 ML-ENGINE 上运行以使用以下代码进行远程预测时：

我收到此错误：

我在这里看到了类似的东西：https ://github.com/tensorflow/models/issues/1581

关于“数据格式”参数的问题。但不幸的是，我无法使用该解决方案，因为我已经在 TensorFlow 1.3 上。

看来也可能是MobilenetV1的问题：https://github.com/tensorflow/models/issues/2153

有任何想法吗？

我正在构建一个 Docker 容器来使用 gcloud 提交 ML 训练作业 - 可运行对象实际上是一个 Python 程序，并且 gcloud 正在通过 subprocess.check_output执行。在 Docker 容器外运行程序工作得很好，这让我想知道是否存在一些未安装的依赖项，但 gcloud 根本没有输出任何有用的日志。

在运行gcloud ml-engine 作业提交训练时，可执行文件返回退出状态 1并简单地输出Internal Error。Google Cloud Console 上可用的日志始终是 5 个“正在验证作业要求...”条目，没有更多信息。

Docker 容器安装了以下依赖项（有些与 Google Cloud ML 无关，但被程序中的其他功能使用）：

通过 apt-get： python、python-pip、python-dev、libmysqlclient-dev、curl

通过 pip 安装： flask、MySQL-python、configparser、pandas、tensorflow

gcloud 工具本身是通过下载 SDK 并通过命令行安装来安装的：

帐户凭据是通过设置

最后一个gsutil version命令几乎只是为了确保 SDK 安装工作正常。

有没有人知道可能发生的事情或如何进一步调试可能导致gcloud内部错误的原因？

提前致谢！:)

我正在使用 GCP 进行预测，我正在使用人口普查数据集，实际上我正在发现谷歌 API（ML Engine ...）。

当我启动预测作业时，作业运行成功，但不显示结果。

任何人都可以帮忙吗？你知道为什么它不产生输出吗？

提前致谢 ：）

这是发生的错误

https://i.stack.imgur.com/9gyTb.png

我正在使用 GCP 和 GCS 和 GCMLE API 来训练我的模型并在云上进行预测。我正在研究人口普查数据集。目标是预测个人资料的收入。这是代码和脚本的 github 链接https://github.com/SofiaAmel/censusTest 实际上我正在发现这个工具，我正在努力进行预测，我正在使用一个配置文件作为 .json 输入进行测试，工作预测运行成功，但发生此错误***

("由于模型数据错误，无法加载模型。标签：['serve']\n在定义的操作中没有名为 HashTableV2 的操作。", 1)

ps：我用的是TF 1.4版本，如果你能帮忙不要犹豫！提前致谢

我无法使用 Keras CNN (VGGNet) 模型执行预测。它是一个多类分类，以 96x96x3 的图像张量作为输入，产生大小为 114（类）的概率向量。它被 Google ML Engine 接受为有效模型，并且预测输入 image.json 格式正确（与张量有一行），但调用 gcloud ml-engine predict 会出现以下错误：

"error": "Prediction failed: Error during model execution: AbortionError(code=StatusCode.INVALID_ARGUMENT, details=\"您必须为占位符张量 'Placeholder_1' 提供一个值，其 dtype 为 float 和 shape [?,114]\n\t [[节点：Placeholder_1 = Placeholderdtype=DT_FLOAT, shape=[?,114], _device=\"/job:localhost/replica:0/task:0/device:CPU:0\"]]\")"

我的预测输入image.json包含

生成 save_model.pb 文件的代码是

我在这里想念什么？有没有更简单的工作方式？该模型也可作为 .json 和 .h5 文件生成

感谢您的帮助！

我很难导出一个用 Keras 训练的自定义 VGG-Net（不完全是 Keras 的那个），以便它可以用于 Google Cloud Predict API。我正在用 Keras 加载我的模型。

我要分类的图像被编码为 base64 字符串。因此，我将不得不使用我在其中一个谷歌示例中找到的一些代码对其进行解码以进行预测任务。

但在这一点之后，我不再知道如何进行。我现在如何将此输入张量放入我的模型并得到正确的输出张量，以便我能够定义 SignatureDef 然后将我的图导出为 SavedModel？

任何帮助，将不胜感激。

尝试对我的 ML Engine 模型进行在线预测时出现以下错误。关键的“价值观”不正确。（请参阅图像上的错误。） 在此处输入图像描述

我已经使用 RAW 图像数据进行了测试：{"image_bytes":{"b64": base64.b64encode(jpeg_data)}} & 将数据转换为 numpy 数组。

目前我有以下代码：

gcloud ml-engine 本地预测失败

首先，我用Response确定了所需的input.json结构：saved_model_cli show --all --dir saved_model/

由此我将我input.json的 for格式化gcloud ml-engine local predict为：

最后，我跑了gcloud ml-engine local predict --model-dir saved_model/ --json-instances=PATH-TO-INPUTS.json

回复：

克服这个障碍的任何帮助都会很棒。到目前为止，我还无法从在线研究中找到解决方案。谢谢！