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。我想使用类似于this 的gcloud ml-engine predict platform，确保接受任何尺寸的图像作为输入。

我从以下函数中获得了我的features 张量（它被传递到预测图）：

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。当我通过引擎运行它时

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

我收到了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 正在接收tf.image.resize_images 的输出，它应该具有正确的形状。关于我在这里做错了什么有什么想法吗？提前致谢！

Answer 1

看起来该错误是由提供"RESHAPE_PREDICT:0"张量（即tf.reshape() op，image的输出）而不是"PREDICT_PLACEHOLDER:0"张量（即@987654327的输入）的代码引起的@op，input_features)。

如果没有您训练模型的完整来源，很难确切说明需要进行哪些更改，但可能就像将 inputs 的定义更改为：

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。