Question

我正在使用tensorflow服务与神经网络的批处理。我的代码基于example of the inception network：我想对图中的图像进行解码和预处理，所以我修改了exporting script以便使用map函数预处理图像：< / p>

...
with tf.Graph().as_default():
    # Build inference model.
    jpegs = tf.placeholder(tf.string, shape=(None))
    images = tf.map_fn(lambda jpeg : image_processing.image_preprocessing(jpeg, False), jpegs,
                       dtype=tf.float32, back_prop=False)

    # Run inference.
    logits, _ = inception_model.inference(images, len(labels_names))
 ...

image_preprocessing与初始模型中的相同。它接收一个以字节为单位的编码图像，并返回一个浮点值的张量，图像经过解码，缩放和预处理。

模型正确导出但是当我在tensorflow服务中测试时，我收到以下错误：

grpc.framework.interfaces.face.face.NetworkError：NetworkError（code = StatusCode.INTERNAL，details =“输出0的类型 string与节点的声明输出类型float不匹配 _recv_map / TensorArrayPack_0 = _Recvclient_terminated = true，recv_device =“/ job：localhost / replica：0 / task：0 / cpu：0”， send_device = “/职业：本地主机/副本：0 /任务：0 / CPU：0”， send_device_incarnation = 6080232697619483985， tensor_name =“map / TensorArrayPack：0”，tensor_type = DT_FLOAT， _device = “/作业：本地主机/复制：0 /任务：0 / CPU：0”“）

输出类型应该是一个浮点数的张量，因为它在image_preprocessing中，但它表示它是一个字符串。怎么了？（image_preprocessing在代码的其他部分没有任何问题，因此我认为我在这些行中做错了什么）

使用map_fn将jpgs解码为张量时出错

0 个答案: