Tensorflow：调整图像占位符的大小

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 gcloud ml-engine predict platform similar to this，确保接受任何尺寸的图像作为输入。

我从以下函数得到我的 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为[batch_size, 229, 229, 3]的张量。当我运行通过引擎 via

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

我得到一个 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 被馈送到 tf.image.resize_images 的输出，它应该具有正确的形状。对我在这里做错了什么有什么想法吗？提前致谢！

Answer 1

看起来错误是由一些提供 "RESHAPE_PREDICT:0" 张量（即 tf.reshape() op，image 的输出）而不是 "PREDICT_PLACEHOLDER:0" 张量（即 tf.image.resize_images() 操作的输入，input_features）。

如果没有训练模型的完整源代码，很难确切地说出需要进行哪些更改，但这可能就像将 inputs 的定义更改为：

一样简单

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

Tensorflow: Resize Image Placeholder

python

google-prediction

gcloud

tensorflow

google-cloud-ml-engine