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服务器并成功完成了映像分类 .
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，并且该应用程序不起作用 .
TypeError：无法将feed_dict键解释为Tensor：Tensor Tensor（“Placeholder：0”，shape =（3,3,3,64），dtype = float32）不是此图的元素 .
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]
如何在多台计算机上同时运行此应用程序？
感谢您阅读这篇文章 .
1 回答
我发现有几种解决方法，具体取决于各种上下文：
然后在预测所有数据之后，在函数的开头或结尾处执行以下操作：
加载训练有素的模型调用后：
见explanation
如果您正在运行django服务器，请使用以下命令：
对于烧瓶使用这个：
如果以上解决方案均无效，请查看以下链接keras issue#6462，keras issue#2397