我使用retrain.py示例重新训练了Inception模型，并使用–saved_model_dir标志导出了模型，以便在最后进行服务部署。

我成功地上传了最终模型到Google ML引擎，现在正尝试运行预测。

我的请求看起来像这样：

{"image": {"b64": "/9j/4AAQxh6AP/2Q== ..."}}

但我收到的错误信息是：

{"error": "Prediction failed: Error processing input: Expected float32, got '\\xff\\xd8\\xff\\xe0 ...' of type 'str' instead."}

retrain.py中的导出示例是否不适合用于Google ML引擎？

回答：

错误信息表明导出的模型期望的是浮点数数组而不是原始图像字节。我通过代码追踪确认了这一点。具体来说，export_model调用了build_eval_session来获取resized_input_tensor，它是在create_module_graph中创建的，如下所示（链接）：

resized_input_tensor = tf.placeholder(tf.float32, [None, height, width, 3])

因此，数据应该看起来像这样：

{  "image": [    [      [0.0, 0.0, 0.0],        # ... (条目数 = 高度)    ],    # (条目数 = 宽度)  ]}

当然，这种编码图像的方式（将浮点数作为ASCII）相当低效。如果预期的图像尺寸较小（通常是200 x 200），这还不算太糟糕。更好的方法是，如果示例的作者允许通过调用add_jpeg_decoding来导出模型作为模型的入口点，这样你就可以像你现在尝试的那样发送数据了。