在发送到 SageMaker TF Serving 之前压缩图像

Question

我能够成功地将批量图像作为 numpy 数组发送到我使用 TF 服务设置的 SageMaker 端点并获得响应，如下所示：。

def predict_random_batch(self, batch_size, verbose=0, initial_args=None): 
    batch = np.random.uniform(low=-1.0, high=1.0, size=(batch_size,self.size,self.size,3))
    data = {'instances': np.asarray(batch).astype(self.dtype)}
    if verbose: self.total_size(data)
    request_args = self._create_request_args(data, initial_args)
    response = self.sagemaker_session.sagemaker_runtime_client.invoke_endpoint(**request_args)
    probs = self._handle_response(response)['predictions']
    return probs

predictor.predict_random_batch(3)

但是，numpy 数组非常大。我正在尝试在发送之前压缩图像批次。这就是我正在尝试的：

def predict_random_batch_TEST(self, batch_size, verbose=0, initial_args=None): 
    import base64
    batch = np.random.uniform(low=-1.0, high=1.0, size=(batch_size,self.size,self.size,3))
    batch = batch.astype(self.dtype)
    encoded_input_string = base64.b64encode(batch)
    input_string = encoded_input_string.decode("utf-8")
    instance = [{"b64": input_string}]
    data = json.dumps({"instances": instance})        
    request_args = self._create_request_args(data, initial_args)
    if verbose: self.total_size(data)
    response = self.sagemaker_session.sagemaker_runtime_client.invoke_endpoint(**request_args)
    probs = self._handle_response(response)['predictions']
    return probs

但是这会返回错误：

ModelError：调用时发生错误（ModelError） InvokeEndpoint 操作：收到来自模型的客户端错误 (400) 消息“{“错误”：“JSON 值：. . .不是对象"}"

有人知道如何压缩一批图像以发送更大的批量吗？显然 SM 施加了 5MB 的有效负载限制，这在作为 numpy 数组发送时并不是很大。

Answer 1

在将图像发送到端点之前，我使用单独的 API 来调整图像大小。这是代码sn-p，你应该没有问题适应它。

h = body['height']
w = body['width']
image = base64.b64decode(body['data'])
L = len(image)

image = np.fromstring(image, np.uint8)
image = cv2.imdecode(image, cv2.IMREAD_COLOR)
(H, W, _) = image.shape
image = cv2.resize(image, (h, w,))
image = cv2.imencode('.jpeg', image)
data = base64.b64encode(image[1].tostring())

全文在这里：https://medium.com/@julsimon/using-chalice-to-serve-sagemaker-predictions-a2015c02b033