在使用flask部署Keras，tensorflow等框架時候，經常出現
FailedPreconditionError: Attempting to use uninitialized value batchnormalization_
或者
Tensor Tensor("crf_1/cond/Merge:0", shape=(?, ?, 260), dtype=float32) is not an element of this graph.
使用keras.backend.clear_session()可能會導致前后兩處預測結果不一樣，因為圖發生了變化。以下是解決方案。
|
1
2
3
4
5
6
7
8
9
10
|
graph = tf.get_default_graph()sess = tf.Session(graph=graph) def modelpredict(content): #keras.backend.clear_session() global graph global sess with sess.as_default(): with graph.as_default(): keras.model.predict() |
補充：Flask與keras結合的幾個常見錯誤
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，一在界面中調用 model.predict() 就報下面這個錯誤，不過在單獨的 .py 文件中使用卻不報錯。
ValueError: Tensor Tensor("dense_1/Sigmoid:0", shape=(?, 1), dtype=float32) is not an element of this graph.
添加如下代碼可以解決：
|
1
2
3
4
5
6
7
8
9
10
|
import tensorflow as tfgraph = tf.get_default_graph()model = models.load_model(…………)# 使用處添加：global graphglobal modelwith graph.as_default(): model.predict() # 執行預測函數 |
但是我當時測試時又報了另一個bug，但是這個bug也不好解決，試了很多方法也沒解決，當然最終還是可以解決的，具體解決方式參考第三點。
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}}]]
后來經過N遍測試后找到了以下兩種解決方式，僅供參考：
方法一：
在調用前加載model和graph，但是這樣會導致程序每次調用都需要重新加載model，然后運行速度就會很慢，不過這種修改方式是最簡單的。
|
1
2
3
4
|
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：
在創建model后，先使用一遍 model.predict()，參數的大小和真實大小一致，這個是真正解決之道，同時不影響使用速率。
|
1
2
3
4
5
6
7
8
9
|
# 使用前：model = models.load_model('./static/my_model2.h5')# a 矩陣大小和 tokens_pad 一致a = np.ones((1, 220))model.predict(a)# 使用時：global modelresult = model.predict(tokens_pad) |
但是在使用后又遇到了 The Session graph is empty…… 的錯誤即第二點，不過估摸著這個是個例，應該是程序問題。
2、RuntimeError: The Session graph is empty. Add operations to the graph before calling run().
|
1
2
3
4
|
graph = tf.get_default_graph() with graph.as_default(): # 相關代碼 # 本次測試中是需要把調用包含model.predict()方法的方法的代碼放到這里 |
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}}]]
這個錯誤呢，也是TensorFlow和Flask結合使用時的常見錯誤，解決方式如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
from tensorflow.python.keras.backend import set_session# 程序開始時聲明sess = tf.Session()graph = tf.get_default_graph()# 在model加載前添加set_sessionset_session(sess)model = models.load_model(…………)# 每次使用有關TensorFlow的請求時# in each request (i.e. in each thread):global sessglobal graphwith graph.as_default(): set_session(sess) model.predict(...)———————————————— |
4、 Can't find libdevice directory ${CUDA_DIR}/nvvm/libdevice. This may result in compilation or runtime failures, if the program we try to run uses routines from libdevice
設置一下XLA_FLAGS指向你的cuda安裝目錄即可
|
1
|
os.environ["XLA_FLAGS"]="--xla_gpu_cuda_data_dir=/usr/local/cuda-10.0" |
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/weixin_40939578/article/details/100154100
