如何在google云平台上运行预测时减少掩码RCNN训练模型的输入大小

Question

我试图使用Google平台预测来使用Mask来执行对象识别。在花了将近两周之后，我能够：

1. 了解如何在Google上进行培训
2. 将模型从h5转换为AI平台所需的SavedModel格式
3. 创建AI平台模型，并将经过培训的模型部署到那里。

现在，我正在尝试执行预测，它说我的输入大小超过1.5MB，这是输入的最大大小。当我检查它时，将图像(大小为65 to )转换为预测所需格式的代码会将输入文件转换为57 to。

我不知道如何将64 KB的图像文件转换为57 MB的json文件。我想知道怎样才能减少这个？不知道我是不是做错了什么。

我尝试使用gcloud本地预测来执行本地预测，并且能够使用57 to文件获得响应。这意味着文件是正确的。

我尝试将图像的最大维度设置为400X400，这将文件的大小从57 MB减少到大约7 MB。仍然很高。我不能一直减少它，因为它会导致信息的丢失。

Answer 1

根据在线预测文档

二进制数据不能格式化为JSON支持的UTF-8编码字符串。如果输入中有二进制数据，则必须使用base64编码来表示它。

您需要将您的input_image张量称为input_image_bytes，然后将数据发送给它如下所示：

{'input_image_bytes': {'b64': base64.b64encode(jpeg_data).decode()}}

如果您需要帮助纠正您的模型输入，您应该看到def _encoded_image_string_tensor_input_placeholder()在exporter.py中从graph.py调用