Tengo una red entrenada en tensorflow que deseo usar en gcloud ml-engine que sirve para la predicción.

Prediga que la porción de gcloud ml debe aceptar imágenes de tipo numpy array float32 con un tamaño de 320x240x3 y devolver 2 pequeñas matrices como salida.

¿Alguien sabe cómo debo crear las capas de entrada que acepten este tipo de entrada?

He intentado varias formas, por ejemplo, usando archivos json codificados en base64, pero convertir la cadena en tipo flotante produce un error en el que no es compatible:

"error": "Prediction failed: Exception during model execution: LocalError(code=StatusCode.UNIMPLEMENTED, details=\"Cast string to float is not supported\n\t [[Node: ToFloat = Cast[DstT=DT_FLOAT, SrcT=DT_STRING, _output_shapes=[[-1,320,240,3]], _device=\"/job:localhost/replica:0/task:0/cpu:0\"](ParseExample/ParseExample)]]\")"

Este es un ejemplo de creación del archivo json (después de guardar la matriz numpy anterior como jpeg):

python -c 'import base64, sys, json; img = base64.b64encode(open(sys.argv[1], "rb").read()); print json.dumps({"images": {"b64": img}})' example_img.jpg &> request.json

Y los comandos de tensorflow que intentan manejar la entrada:

raw_str_input = tf.placeholder(tf.string, name='source')
feature_configs = {
                'image': tf.FixedLenFeature(
                    shape=[], dtype=tf.string),
            }
tf_example = tf.parse_example(raw_str_input, feature_configs)
input = tf.identity(tf.to_float(tf_example['image/encoded']), name='input')

lo anterior es un ejemplo de una de las pruebas realizadas, también probé múltiples intentos de diferentes comandos de tensorflow para manejar la entrada, pero ninguno funcionó ...