机器学习课程中H5模型文件转Base64编码及上传问题求助

我之前做类似机器学习课程作业时，也碰到过IBM Cloud的网关超时问题，转本地运行确实是个实用的替代方案。针对你需要把训练好的model.h5转换成Base64格式上传给grader的需求，这里给你一套完整的实现步骤和代码：

具体操作步骤 #

• 第一步：读取本地保存的model.h5模型文件
• 第二步：将文件二进制内容编码为Base64格式（转成字符串方便接口传输）
• 第三步：把Base64字符串作为请求参数上传到grader接口

实现代码 #

import base64

# 读取模型文件并编码为Base64字符串
with open("model.h5", "rb") as model_file:
    # 先编码为字节类型，再转成UTF-8字符串（适配多数接口的JSON传输要求）
    model_base64_str = base64.b64encode(model_file.read()).decode("utf-8")

# 示例：如果需要通过POST请求上传给grader
# import requests
# grader_api_url = "你的grader接口地址"
# request_payload = {"model_data": model_base64_str}
# response = requests.post(grader_api_url, json=request_payload)
# 可以打印响应状态码和内容排查问题
# print(f"响应状态码: {response.status_code}")
# print(f"响应内容: {response.text}")

额外注意事项 #

• 确保model.h5文件和你的代码在同一目录下，否则要在open()里写完整的文件路径（比如"/Users/xxx/Documents/model.h5"）
• 如果grader接口要求接收二进制的Base64数据，去掉decode("utf-8")即可，直接使用base64.b64encode()返回的字节对象
• 若上传后仍有问题，可以检查Base64字符串是否完整，或者尝试压缩模型文件后再编码（如果模型太大可能导致传输问题）

内容的提问来源于stack exchange，提问作者Dogod