python - 云在线预测返回请求负载大小超过限制: 1572864 bytes

Question

我已经使用 tensorflow 训练了一个图像分类器并将其部署到 Google Cloud Platform，现在我正在尝试使用以下代码进行在线预测:

    service = googleapiclient.discovery.build('ml','v1')
name = 'projects/{}/models/{}'.format("project_name","model_name")


image = img_to_array(load_img('path/to/image/image.jpg', target_size=(299,299))) / 255.


payload = {
  "instances": [{'image': image.tolist()}]
}


response = service.projects().predict(
    name=name,
    body=payload).execute()

if 'error' in response:
    raise RuntimeError(response['error'])

print(response['predictions'])

我在一些帖子中看到我需要将我的请求保存为云存储中的 JSON 文件并从那里调用它来进行预测并避免超出限制的问题。我还读到这只能通过批量预测实现。

是否有解决此问题的方法，还是我应该放弃并使用批量预测？非常感谢任何信息。

Answer 1

您可以将图像作为 Google Cloud Storage URL 传递，然后再传递。为此，您必须更改默认服务函数以将输入作为 imageUrl 而不是张量或列表。