第一步是确保导出的图形具有可以接受 JPEG 数据的占位符和操作。请注意，CloudML 假设您正在发送一批图像。我们必须使用一个tf.map_fn解码一批图像并调整其大小。根据模型的不同，可能需要对数据进行额外的预处理以标准化数据等。如下所示：
# Number of channels in the input image
CHANNELS = 3
# Dimensions of resized images (input to the neural net)
HEIGHT = 200
WIDTH = 200
# A placeholder for a batch of images
images_placeholder = tf.placeholder(dtype=tf.string, shape=(None,))
# The CloudML Prediction API always "feeds" the Tensorflow graph with
# dynamic batch sizes e.g. (?,). decode_jpeg only processes scalar
# strings because it cannot guarantee a batch of images would have
# the same output size. We use tf.map_fn to give decode_jpeg a scalar
# string from dynamic batches.
def decode_and_resize(image_str_tensor):
"""Decodes jpeg string, resizes it and returns a uint8 tensor."""
image = tf.image.decode_jpeg(image_str_tensor, channels=CHANNELS)
# Note resize expects a batch_size, but tf_map supresses that index,
# thus we have to expand then squeeze. Resize returns float32 in the
# range [0, uint8_max]
image = tf.expand_dims(image, 0)
image = tf.image.resize_bilinear(
image, [HEIGHT, WIDTH], align_corners=False)
image = tf.squeeze(image, squeeze_dims=[0])
image = tf.cast(image, dtype=tf.uint8)
return image
decoded_images = tf.map_fn(
decode_and_resize, images_placeholder, back_prop=False, dtype=tf.uint8)
# convert_image_dtype, also scales [0, uint8_max] -> [0, 1).
images = tf.image.convert_image_dtype(decoded_images, dtype=tf.float32)
# Then shift images to [-1, 1) (useful for some models such as Inception)
images = tf.sub(images, 0.5)
images = tf.mul(images, 2.0)
# ...
另外，我们需要确保正确标记输入，在这种情况下，输入的名称（映射中的键）必须以_bytes。当发送base64编码的数据时，它会让CloudML预测服务知道它需要解码数据：
inputs = {"image_bytes": images_placeholder.name}
tf.add_to_collection("inputs", json.dumps(inputs))
gcloud 命令期望的数据格式如下：
{"image_bytes": {"b64": "dGVzdAo="}}
（注意，如果image_bytes是模型的唯一输入，您可以简化为{"b64": "dGVzdAo="}).
例如，要从磁盘上的文件创建此文件，您可以尝试以下操作：
echo "{\"image_bytes\": {\"b64\": \"`base64 image.jpg`\"}}" > instances
然后将其发送到服务，如下所示：
gcloud beta ml predict --instances=instances --model=my_model
请注意，当直接向服务发送数据时，您发送的请求正文需要包装在“实例”列表中。因此，上面的 gcloud 命令实际上将以下内容发送到 HTTP 请求正文中的服务：
{"instances" : [{"image_bytes": {"b64": "dGVzdAo="}}]}
