在Flask使用TensorFlow的几个常见错误

本是古典何须时尚 2021-12-11 03:21 893阅读 0赞

## 在Flask使用TensorFlow的几个常见错误 ##

### 1. ValueError: Tensor Tensor(“dense\_1/Sigmoid:0”, shape=(?, 1), dtype=float32) is not an element of this graph. ###

在Flask中使用tensorflow的model，一在界面中调用 **model.predict()** 就报下面这个错误，不过在单独的 **.py** 文件中使用却不报错。

ValueError: Tensor Tensor("dense_1/Sigmoid:0", shape=(?, 1), dtype=float32) is not an element of this graph.

这个bug真的很是纠心，网上一般说是添加如下代码

import tensorflow as tf
    graph = tf.get_default_graph()
    model = models.load_model(…………)
    
    # 使用处添加：
    global graph
    global model
    with graph.as_default():
        model.predict()
        # 执行预测函数

但是我当时测试时又报了另一个bug，但是这个bug也不好解决，试了很多方法也没解决，当然最终还是可以解决的，具体解决方式参考第三点。

tensorflow.python.framework.errors_impl.FailedPreconditionError: Error while reading resource variable dense_1/bias from Container: localhost. This could mean that the variable was uninitialized. Not found: Resource localhost/dense_1/bias/class tensorflow::Var does not exist.
    	 [[{ { node dense_1/BiasAdd/ReadVariableOp}}]]

后来经过N遍测试后找到了以下两种解决方式，仅供参考：

**方法一：在调用前加载model和graph，但是这样会导致程序每次调用都需要重新加载model，然后运行速度就会很慢，不过这种修改方式是最简单的。**

graph = tf.get_default_graph()
        model = models.load_model('./static/my_model2.h5')
        with graph.as_default():
            result = model.predict(tokens_pad)

**方法二：在创建model后，先使用一遍 model.predict()，参数的大小和真实大小一致，这个是真正解决之道，同时不影响使用速率。**

# 使用前：
    model = models.load_model('./static/my_model2.h5')
    # a 矩阵大小和 tokens_pad 一致
    a = np.ones((1, 220))
    model.predict(a)
    
    # 使用时：
    global model
    result = model.predict(tokens_pad)

但是在使用后又遇到了 **The Session graph is empty……** 的错误即第二点，不过估摸着这个是个例，应该是程序问题。

### 2. RuntimeError: The Session graph is empty. Add operations to the graph before calling run(). ###

在相关代码使用前添加graph即可。

graph = tf.get_default_graph()
        with graph.as_default():
            # 相关代码
            # 本次测试中是需要把调用包含model.predict()方法的方法的代码放到这里

### 3. tensorflow.python.framework.errors\_impl.FailedPreconditionError: Error while reading resource variable dense\_1/bias from Container: localhost. This could mean that the variable was uninitialized. Not found: Resource localhost/dense\_1/bias/class tensorflow::Var does not exist.\[\[\{ \{node dense\_1/BiasAdd/ReadVariableOp\}\}\]\] ###

这个错误呢，也是TensorFlow和Flask结合使用时的常见错误，解决方式如下：

from tensorflow.python.keras.backend import set_session
    # 程序开始时声明
    sess = tf.Session()
    graph = tf.get_default_graph()
    
    # 在model加载前添加set_session
    set_session(sess)
    model = models.load_model(…………)
    
    # 每次使用有关TensorFlow的请求时
    # in each request (i.e. in each thread):
    global sess
    global graph
    with graph.as_default():
        set_session(sess)
        model.predict(...)

参看文章：【1】[At Runtime : “Error while reading resource variable softmax/kernel from Container: localhost” \#28287][At Runtime _ _Error while reading resource variable softmax_kernel from Container_ localhost_ _28287]  
     【2】[构建图 Graph][Graph]  
     【3】[Tensor Tensor(“dense\_2/Softmax:0”, shape=(?, 192), dtype=float32) is not an element of this graph][Tensor Tensor_dense_2_Softmax_0_ shape_ 192_ dtype_float32_ is not an element of this graph]  
     【4】[flask项目中调用keras神经网络模型的一个坑][flask_keras]  
     【5】[机器学习 keras+flask（或者Django）问题][keras_flask_Django]  
     【6】[Keras + Flask 提供接口服务的坑~~~][Keras _ Flask]

[At Runtime _ _Error while reading resource variable softmax_kernel from Container_ localhost_ _28287]: https://github.com/tensorflow/tensorflow/issues/28287
[Graph]: https://blog.csdn.net/u014033218/article/details/87541270
[Tensor Tensor_dense_2_Softmax_0_ shape_ 192_ dtype_float32_ is not an element of this graph]: https://blog.csdn.net/zangfong/article/details/88533185
[flask_keras]: https://blog.csdn.net/leon_wzm/article/details/78434432
[keras_flask_Django]: https://blog.csdn.net/qq_36213248/article/details/90049915
[Keras _ Flask]: https://www.cnblogs.com/svenwu/p/10189557.html