部署Keras模型
我部署了一个keras模型,并通过flask API将测试数据发送到该模型。我有两个文件:
首先:My Flask应用程序:
# Let's startup the Flask applicationapp = Flask(__name__)
# Model reload from jSON:
print('Load model...')
json_file = open('models/model_temp.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
keras_model_loaded = model_from_json(loaded_model_json)
print('Model loaded...')
# Weights reloaded from .h5 inside the model
print('Load weights...')
keras_model_loaded.load_weights("models/Model_temp.h5")
print('Weights loaded...')
# URL that we'll use to make predictions using get and post
@app.route('/predict',methods=['GET','POST'])
def predict():
data = request.get_json(force=True)
predict_request = [data["month"],data["day"],data["hour"]]
predict_request = np.array(predict_request)
predict_request = predict_request.reshape(1,-1)
y_hat = keras_model_loaded.predict(predict_request, batch_size=1, verbose=1)
return jsonify({'prediction': str(y_hat)})
if __name__ == "__main__":
# Choose the port
port = int(os.environ.get('PORT', 9000))
# Run locally
app.run(host='127.0.0.1', port=port)
第二:文件Im用于将json数据发送到api端点:
response = rq.get('api url has been removed')data=response.json()
currentDT = datetime.datetime.now()
Month = currentDT.month
Day = currentDT.day
Hour = currentDT.hour
url= "http://127.0.0.1:9000/predict"
post_data = json.dumps({'month': month, 'day': day, 'hour': hour,})
r = rq.post(url,post_data)
我从Flask收到有关Tensorflow的回复:
ValueError:Tensor Tensor(“ dense_6 / BiasAdd:0”,shape =(?, 1),dtype = float32)不是此图的元素。
我的keras模型是一个简单的6密层模型,并且训练没有错误。
回答:
Flask使用多个线程。你遇到的问题是因为tensorflow模型未在同一线程中加载和使用。一种解决方法是强制tensorflow使用gloabl默认图。
加载模型后添加
global graphgraph = tf.get_default_graph()
而在你的预测
with graph.as_default(): y_hat = keras_model_loaded.predict(predict_request, batch_size=1, verbose=1)
以上是 部署Keras模型 的全部内容, 来源链接: utcz.com/qa/428481.html