本地使用TensorFlow Serving SavedModel（字符串张量输入）进行预测时的图片格式转换与报错问题

看起来你踩了一个常见的坑：你的模型内部包含了图片解码节点（从错误日志里的StatefulPartitionedCall/decode_image/DecodeImage能明确看出来），它期望的输入是原始图片文件的二进制字符串（比如JPG/PNG文件的原始字节数据），而不是你处理后的浮点张量转成的base64字符串。

错误原因拆解 #

你当前的处理流程完全搞反了模型的输入逻辑：

读文件→解码成图片张量→resize→转浮点→base64编码

但这个模型的设计是自身完成图片解码和预处理步骤，你提前解码图片再编码回去的内容，已经不是标准的JPG/PNG格式字节了，模型自然识别不出图片格式。

修正后的代码 #

直接读取原始图片的二进制数据，转成TensorFlow字符串张量即可，不需要任何解码、resize操作：

# 直接读取原始图片二进制，不做解码
img_raw = tf.io.read_file(path)
# 这就是模型需要的字符串张量，无需base64编码
input_tensor = tf.constant(img_raw)

# 预测（注意：模型输出键是'output_0'，不是你写的'sequential_1'，参考你给出的模型结构）
pred = inf_model(encoded=input_tensor)['output_0'][0]

特殊场景补充（非当前问题适用） #

如果你的模型确实需要预处理后的张量转字符串（比如某些定制化场景），那你需要把预处理后的浮点张量重新编码成标准图片格式的二进制，示例代码如下：

# 假设你已经完成了resize和转浮点的预处理
img_encoded = tf.io.encode_jpeg(tf.cast(img * 255, tf.uint8))  # 转回uint8再编码成JPG格式
input_tensor = tf.constant(img_encoded)

但根据你的错误信息，显然不是这种情况，模型明确要的是原始图片文件的二进制，所以第一种方案才是正确的。

内容的提问来源于stack exchange，提问作者Pietro Sonza