Flask部署keras/tensorflow训练好模型进行预测:ValueError: Tensor Tensor is not an element of this graph.

这篇博客讲述了在使用Flask部署基于Keras和TensorFlow的机器学习服务时,遇到的两个错误:1)Tensor不在当前图中;2)无法找到资源变量。为了解决这些问题,作者提出了两种方法:1)创建全局的`graph`和`session`;2)确保在预测操作中使用正确的`graph`和`session`。博客提供了具体的Python代码示例,展示了如何在Flask应用中正确设置和使用这些全局变量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

flask接口部署keras、tensorflow服务,报如下错误:

1,ValueError: Tensor Tensor("dense_7/Softmax:0", shape=(?, 3), dtype=float32) is not an element of this graph.

2,tensorflow.python.framework.errors_impl.FailedPreconditionError: Error while reading resource variable Embedding-Norm/beta from Container: localhost. This could mean that the variable was uninitialized. Not found: Container localhost does not exist. (Could not find resource: localhost/Embedding-Norm/beta)
     [[{{node Embedding-Norm/add_1/ReadVariableOp}}]]

解决办法:

1,创建全局的graph、session

sess = tf.Session()
graph = tf.get_default_graph()
# tf2: graph = tf.compat.v1.get_default_graph()
set_session(sess)

2,在全局graph、Session中,model加载前添加set_session,进行model的预测

    (全局变量最好放在函数体外

    global sess
    global graph
    with graph.as_default():
        set_session(sess)

具体代码如下:

import tensorflow as tf
from keras.backend import set_session
app = Flask(__name__)

#global全局变量,最好放在函数外,避免出错
global sess
global graph
sess = tf.Session()
graph = tf.get_default_graph()
set_session(sess)
model.load_weights('best_model.weights')

@app.route('/judge', methods=['GET'])
def handler():
    keyword = request.args.get('keyword')
    sentence = request.args.get('sentence')
    judge = {}

    with graph.as_default():
        set_session(sess)
        if keyword in sentence:
            judge['result'] = str(evaluate(test_generator))
        else:
            judge['result'] = '0'
    return json.dumps(judge)


if __name__ == '__main__':
    app.run(host='0.0.0.0', port=65534, threaded=True)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值