通過 requests.post 將 numpy 數組（實際上是圖像）發送到 API 的最佳方式（性能）是什么？ （Python）

Question

我想知道如何通過請求的 post 方法發送一個 3 維 numpy 數組； 如果可能的話，如何壓縮這些數據。 最好的方法可能是：

• 數據量更小
• 更少的圖書館
• 更少的計算時間
• 你想要什么..

我見過這種模式：

作為文件發送：

requests.post(api_url, files={'image': open(img_path, 'rb')})

作為編碼數組發送：

# image_np is a numpy array
_, img_encoded = cv2.imencode('.jpg', image_np)
requests.post(api_url, data=img_encoded.tobytes())

作為緩沖區發送：

buf = io.BytesIO()
plt.imsave(buf, image_np, format='jpg')
image_data = buf.getvalue()
requests.post(api_url, data=image_data)

作為字符串 base64 發送：

with open(img_path, 'rb') as fp:
    img_encoded = str(b64encode(fp.read()))
    
r = requests.post(api_url, json={'image': img_encoded})

Answer 1

首先，不會有完美的方法來最小化以下所有三個因素：

• 數據量更小
• 更少的圖書館
• 更少的計算時間

會有一些權衡，我可以解釋每種方法的權衡，以便讓您清楚地了解每種方法，但是在所做的權衡中找到完美的最佳點在很大程度上取決於用例。

我將在這里丟棄較少的庫部分，因為您已經以 JPG 格式壓縮圖像，這隱含地意味着您在內部使用 libJPEG。 並且 JPG 確實提供了相當不錯的壓縮率，因此我們將僅使用 JPEG 格式的 go。

數據量更小

要減少有效負載，我們可以嘗試以下操作：

• 減小圖像尺寸，這可以顯着減小圖像尺寸，但是您必須找到正確的閾值，在該閾值處，您的 object 檢測精度會隨着圖像尺寸的減小而大大降低。 對計算時間的影響最小
• 其次，您可以嘗試減少顏色（基本上是對 RGB 域進行下采樣）。 雖然 JPEG 已經為您完成了這些工作，但它試圖保留大部分顏色信息。 如果處理 (255, 255, 255) 和 (255, 255, 250) 不會影響 object 檢測 model 的准確性，那么您可以只使用int(color/5)*5對圖像顏色域進行下采樣。 對計算時間的影響最小
• 我們可以嘗試的最后一件事是完全丟棄 colors。 並使用灰度圖像代替 RGB colors。 這也取決於您的 object 檢測 model，是對顏色數據敏感還是只需要灰度信息。 對計算時間的中等影響