我正在开发一个图像分类器，其中 tensorflow估算器 + keras 重新训练 inception_v3 上的最后一层 inception_v3 strong> GCP ML引擎。
使用tf.keras.estimator.model_to_estimator导出keras模型，输入函数接收存储在 GCP云存储上的图像的路径，使用tf.image.decode_jpeg打开图像并返回包含的数据集格式为dict(zip(['inception_v3_input'], [image])), label
我试图定义tf.estimator.export.ServingInputReceiver，但我在定义它时遇到了一些麻烦。
使用没有标签的输入函数，模型正在使用predict方法正确地进行预测。
我的想法是重用input_function来解码图像，只将云存储上的图像路径传递给google端点的预测，但是我无法理解如何去做。
感谢您的帮助
答案 0 :(得分：0)
如果我的理解正确，您的问题是考虑到您要通过这种方式解码图像，如何从Cloud Storage获取文件：
image_decoded = tf.image.decode_jpeg(image_string)
因此，在这种情况下，您可以使用：
image_string = file_io.FileIO(filename, mode='r')
首先导入file_io：
from tensorflow.python.lib.io import file_io
根据the comments on this question about reading input data from GCS，使用file_read函数应提供相同的结果，因为“对抽象文件io和文件系统进行了大量工作，因此所有io功能都可以一致地工作”。因此，您也可以尝试使用read_file函数。