Question

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tf.image.resize_images(...)转换为229x229x3形状。我想使用与platform类似的gcloud ml-engine predict this，确保接受任何尺寸的图片作为输入。

我从以下函数得到features张量（传递给预测图）：

def jpeg_serving_input_fn():
  """
  Serve single jpeg feature to the prediction graph
  :return: Image as a tensor
  """
  input_features = tf.placeholder(dtype=tf.float32, shape=[None, None, 3], 
                                  name="PREDICT_PLACEHOLDER")
  features_normalized = tf.image.resize_images(input_features, [229, 229])

  image = tf.reshape(features_normalized, [1, 229, 229, 3], name="RESHAPE_PREDICT")

  inputs = {
    'image': image
  }

最后的tf.reshape是因为我的预测图需要一个形状张量[batch_size, 229, 229, 3]。当我通过引擎运行

时

gcloud ml-engine local predict \
--model-dir=trained_model/export/ \
--json-instances=img.json

我得到PredictionError：

predict_lib_beta.PredictionError: (4, "Exception during running the graph: Cannot feed value of shape (1, 1600, 2400, 3) for Tensor u'RESHAPE_PREDICT:0', which has shape '(1, 229, 229, 3)'")

在我看来，tf.reshape正在为tf.image.resize_images的输出提供正确的形状。对我在这里做错了什么的想法？提前谢谢！

Answer 1

看起来错误是由某些代码导致"RESHAPE_PREDICT:0"张量（即tf.reshape() op的输出，image）而不是"PREDICT_PLACEHOLDER:0"张量引起的（即tf.image.resize_images()操作的输入，input_features）。

如果没有经过训练的模型的完整来源，很难准确说出必要的更改，但可能只需将inputs的定义更改为：

inputs = {'image': input_features}

...以便预测服务知道将值提供给该占位符，而不是tf.reshape()的固定形状输出。

Tensorflow：调整图像占位符的大小

1 个答案: