我有一個 h5 檔案形式的 TensorFlow Keras 深度學習模型。如何將快速 API 上傳的影像作為 np.float32 傳遞給我的模型。
import numpy as np
import cv2
from fastapi import FastAPI, File, UploadFile
import numpy as np
from tensorflow.keras.models import load_model
import tensorflow as tf
model=load_model("complete_model.h5")
app = FastAPI()
def prepare(image):
IMG_SIZE = 224
new_array = cv2.resize(image, (IMG_SIZE, IMG_SIZE))
return new_array.reshape(-1, IMG_SIZE,IMG_SIZE,3)
@app.post("/")
async def root(file: UploadFile = File(...)):
global model
content = await file.read()
nparr = np.fromstring(content, np.uint8)
img = cv2.imdecode(nparr, cv2.IMREAD_COLOR).astype(np.float32)
prediction = model.predict(prepare(img))
return prediction
使用 Swagger UI 上傳圖片時出現錯誤
line 137, in jsonable_encoder
data = dict(obj)
TypeError: 'numpy.float32' object is not iterable
普通代碼
import numpy as np
import numpy as np
from tensorflow.keras.models import load_model
import tensorflow as tf
import cv2
model=load_model("complete_model.h5")
def prepare(image):
IMG_SIZE = 224
new_array = cv2.resize(image, (IMG_SIZE, IMG_SIZE))
return new_array.reshape(-1, IMG_SIZE,IMG_SIZE,3)
img = cv2.imread("./test.jpeg").astype(np.float32)
prediction = model.predict(prepare(img))
print(prediction)
結果在終端：
[[0.25442022 0.74557984]]
如何在使用 Fast API 時獲得相同的結果
uj5u.com熱心網友回復：
response從端點回傳（即prediction在您的情況下）時會引發錯誤。看起來 FastAPI 正在嘗試將numpy陣列轉換為dict. 看看這里的討論。因此，您可以做的是將numpy陣列轉換為JSON：
return json.dumps(prediction.tolist())
在 OpenAPI (Swagger UI) 上，您仍然可以看到預期的結果。但是，如果您需要將其轉換回numpy陣列，則可以決議 JSON 字串，如下所示。
arr = np.array(json.loads(resp.json())) # resp.json() if using Python requests
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/424182.html
標籤：Python 麻木的 张量流 opencv 快速API
上一篇：基于單個向量化條件替換列中的值