Question

对于每个样本，我都有一个2D数组，它不是我想通过张量流服务进行推断的图像。过去，由于使用以下serving_input_receiver_fn的{{3}}的答案，我已经能够成功部署tensorflow服务：

HEIGHT = 199
WIDTH = 199
CHANNELS = 1

def serving_input_receiver_fn():

  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)
     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

 # Optional; currently necessary for batch prediction.
 key_input = tf.placeholder(tf.string, shape=[None]) 
 key_output = tf.identity(key_input)

 input_ph = tf.placeholder(tf.string, shape=[None], name='image_binary')
 images_tensor = tf.map_fn(
      decode_and_resize, input_ph, back_prop=False, dtype=tf.uint8)
 images_tensor = tf.image.convert_image_dtype(images_tensor, dtype=tf.float32) 

 return tf.estimator.export.ServingInputReceiver(
     {'images': images_tensor},
     {'bytes': input_ph})

但是，对于非图像数组，以下内容变得不清楚：

如何解码编码的字符串张量。我看了一下tf.io.decode_image，但似乎并没有保留2D数组的维数。
如何对数组进行编码。对于图像，我通过base64.b64encode(img_data)对图像数据本身进行了编码。对于一般的2D阵列，我应该如何编码？

简而言之，如何将链接的帖子的答案推广到非图像阵列的情况？

Tensorflow服务：如何对不是图像的数组进行base64编码/解码？

0 个答案: