python - 凯拉斯， tensorflow : "TypeError: Cannot interpret feed_dict key as Tensor"

Question

我正在尝试使用 keras fune-tuning 来开发图像分类应用程序。我将该应用程序部署到 Web 服务器，图像分类成功。

但是，当同时从两台或多台计算机使用该应用程序时，会出现以下错误消息并且该应用程序无法运行。

TypeError: Cannot interpret feed_dict key as Tensor: Tensor Tensor("Placeholder:0", shape=(3, 3, 3, 64), dtype=float32) is not an element of this graph.

这是我的图像分类代码。

img_height, img_width = 224, 224
channels = 3

input_tensor = Input(shape=(img_height, img_width, channels))
vgg19 = VGG19(include_top=False, weights='imagenet', input_tensor=input_tensor)

fc = Sequential()
fc.add(Flatten(input_shape=vgg19.output_shape[1:]))
fc.add(Dense(256, activation='relu'))
fc.add(Dropout(0.5))
fc.add(Dense(3, activation='softmax'))

model = Model(inputs=vgg19.input, outputs=fc(vgg19.output))

model.load_weights({h5_file_path})

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

img = image.load_img({image_file_path}, target_size=(img_height, img_width))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = x / 255.0

pred = model.predict(x)[0]

如何同时在多台计算机上运行此应用程序？

感谢您阅读这篇文章。

Answer 1

我发现有几种解决方法，具体取决于不同的上下文:

1. 使用 clear_session() 函数:

   from keras import backend as K
   

   然后在预测所有数据后，在函数的开头或结尾执行以下操作:

   K.clear_session()
   

2. 调用_make_predict_function():

   加载经过训练的模型调用后:

   model._make_predict_function()
   

   参见 explanation

3. 禁用线程:

   如果您正在运行 django 服务器，请使用此命令:

   python manage.py runserver --nothreading 
   

   对于 flask 使用这个:

   flask run --without-threads
   

如果以上解决方案均无效，请检查这些链接 keras issue#6462 , keras issue#2397