1

我使用 AWS SageMaker 训练了一个 MobileNet v1 SSD 模型，它训练得很好。我有一个 export/Servo/xxx/saved_graph（从检查点派生的 tflite 模型在物联网设备上完美运行。）在 SageMaker 上部署的模型作为端点没有问题。我的问题是，我不知道如何将图像输入模型端点。（这大概与询问如何将数据输入服务模型相同？）

当我查询模型（如下）时，我看到输入签名是“serialized_example”。所以，我假设我需要一个序列化的例子。这就是我缺乏天赋的地方。

我需要帮助了解如何将 jpg 文件转换为序列化示例。或者我如何使用 tfrecord。 

saved_model_cli show --dir {MODEL_PATH} --tag_set serve --signature_def tensorflow/serving/predict

产量（我省略了输出）：

  inputs['serialized_example'] tensor_info:
      dtype: DT_STRING
      shape: ()
      name: tf_example:0

我有一个数据集，但不知道如何获得正确的课程 -

raw_dataset = tf.data.TFRecordDataset(tfrecord_file_list)
example_decoder = TfExampleDecoder()
decoded_dataset = raw_dataset.map(example_decoder.decode)

如果我枚举解码的数据集，我如何将数据输入我的模型？

for n, e in enumerate(decoded_dataset.take(4)):
   what do I do with e - which looks like:

<DatasetV1Adapter shapes: {image: (?, ?, 3), source_id: (), key: (), filename: (), groundtruth_boxes: (?, 4), groundtruth_area: (?,), groundtruth_is_crowd: (?,), groundtruth_difficult: (?,), groundtruth_group_of: (?,), groundtruth_weights: (?,), groundtruth_classes: (?,), groundtruth_image_classes: (?,), original_image_spatial_shape: (2,)}, types: {image: tf.uint8, source_id: tf.string, key: tf.string, filename: tf.string, groundtruth_boxes: tf.float32, groundtruth_area: tf.float32, groundtruth_is_crowd: tf.bool, groundtruth_difficult: tf.int64, groundtruth_group_of: tf.int64, groundtruth_weights: tf.float32, groundtruth_classes: tf.int64, groundtruth_image_classes: tf.int64, original_image_spatial_shape: tf.int32}>
4

0 回答 0