Question

考虑以下代码，创建一个saved_model

import tensorflow as tf
from tensorflow.keras.layers import Input, Lambda
from tensorflow.keras.models import Model

inp = Input((), dtype=tf.string, name="image_bytes")
net = Lambda(lambda t: tf.map_fn(lambda x: tf.io.decode_jpeg(x), t, dtype=tf.uint8))(inp)
net = Lambda(lambda t: tf.map_fn(lambda x: tf.io.encode_jpeg(x), t, dtype=tf.string), name="output")(net)

model = Model(inp, net, name="test_network")

tf.keras.experimental.export_saved_model(model, "runs/cmle_test_model", serving_only=True)

现在，我正在尝试获取在线预测请求以使用有效载荷

{"image_bytes":{"b64":"/9j/..."}}

https://gist.github.com/suyash/00d6846ab1a82e74f312ebb43b384c12上的完整负载

错误

{
  "error": "Prediction failed: Error during model execution: AbortionError(code=StatusCode.INVALID_ARGUMENT, details=\"Expected input[1] == 'test_network/output/map/TensorArrayUnstack/TensorListFromTensor/element_shape:output:0' to be a control input.\n\tIn {{node test_network/lambda/map/TensorArrayV2Stack/TensorListStack}}\n\t [[{{node StatefulPartitionedCall}}]]\n\t [[{{node StatefulPartitionedCall}}]]\")"
}

但是，如果我只是简单地在本地

out = model(data)

工作正常

更新：

我有一些合作对象

inp = Input((), dtype=tf.string, name="image_bytes")
net = Lambda(lambda t: tf.expand_dims(tf.io.decode_jpeg(t[0]), 0))(inp)
net = Lambda(lambda t: tf.expand_dims(tf.io.encode_base64(tf.io.encode_jpeg(t[0])), 0), name="output")(net)

但是将服务的可用批处理大小固定为1。理想情况下，我想将Lambda层与tf.map_fn一起使用

无法使用使用从Keras保存的模型的图像输入使用在线预测服务

0 个答案: