Question

我正在开发Google云端ML，我希望能够预测jpeg图像。为此，我想使用：

gcloud beta ml预测--instances = INSTANCES --model = MODEL [--version = VERSION]

（https://cloud.google.com/ml/reference/commandline/predict）

Instances是json文件的路径，其中包含有关image的所有信息。如何从jpeg图像创建json文件？

非常感谢!!

Answer 1

第一步是确保导出的图形具有可以接受JPEG数据的占位符和操作。请注意，CloudML假定您正在发送一批图像。我们必须使用tf.map_fn来解码和调整一批图像的大小。根据型号的不同，可能需要额外的数据预处理来规范化数据等。如下所示：

# Number of channels in the input image
CHANNELS = 3

# Dimensions of resized images (input to the neural net)
HEIGHT = 200
WIDTH = 200

# A placeholder for a batch of images
images_placeholder = tf.placeholder(dtype=tf.string, shape=(None,))

# The CloudML Prediction API always "feeds" the Tensorflow graph with
# dynamic batch sizes e.g. (?,).  decode_jpeg only processes scalar
# strings because it cannot guarantee a batch of images would have
# the same output size.  We use tf.map_fn to give decode_jpeg a scalar
# string from dynamic batches.
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=CHANNELS)

  # 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, [HEIGHT, WIDTH], align_corners=False)
  image = tf.squeeze(image, squeeze_dims=[0])
  image = tf.cast(image, dtype=tf.uint8)
  return image

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)

# Then shift images to [-1, 1) (useful for some models such as Inception)
images = tf.sub(images, 0.5)
images = tf.mul(images, 2.0)

# ...

此外，我们需要确保正确标记输入，在这种情况下，输入名称（地图中的键）以_bytes结尾至关重要。发送base64编码数据时，它将让CloudML预测服务知道它需要解码数据：

inputs = {"image_bytes": images_placeholder.name}
tf.add_to_collection("inputs", json.dumps(inputs))

gcloud命令所期望的数据格式为：

{"image_bytes": {"b64": "dGVzdAo="}}

（注意，如果image_bytes是模型的唯一输入，则可以简化为{"b64": "dGVzdAo="}）。

例如，要从磁盘上的文件创建它，您可以尝试类似：

echo "{\"image_bytes\": {\"b64\": \"`base64 image.jpg`\"}}" > instances

然后将其发送到服务中：

gcloud beta ml predict --instances=instances --model=my_model

请注意，在直接向服务发送数据时，您发送的请求正文需要包含在＆＃34;实例中。名单。因此，上面的gcloud命令实际上将以下内容发送到HTTP请求正文中的服务：

{"instances" : [{"image_bytes": {"b64": "dGVzdAo="}}]}

Answer 2

只是填写上一个答案......

Google在图片识别任务上发布了一个blog post，以及一些可以直接解决您问题的相关code以及您可能会发现的其他问题。它包含一个images_to_json.py文件，以帮助构建json请求

Answer 3

在python中，您可以使用以下代码创建与“ gcloud ml-engine Forecast”一起使用的base64 JSON文件：

$level1 = array_map('basename', glob('MainFolder/*', GLOB_ONLYDIR));
...

我花了很长时间使所有这些工作都适用于TensorFlow Keras模型和Google Cloud ML。在使一切正常工作之后，我整理了一个代码示例，希望它可以为将相同的问题部署到Google Cloud ML的其他人提供帮助。可以在这里找到：https://github.com/mhwilder/tf-keras-gcloud-deployment。

如何在Google机器学习中将jpeg图像转换为json文件

3 个答案: