烧瓶和 Keras 模型错误 ''_ thread._ local '对象没有属性' value' '?

我使用以下内容: python 3.6.4 烧瓶 = 1.1.1, Keras = 2.3.0, TensorFlow = 1.14.0,我有一个从客户端获取图片的 Flask 服务器。使用带有 TensorFlow 后端的 Keras 模型,我试图从预先训练的模型中获得预测。 我使用以下函数上传模型 (作为类的一部分) Model_path = self.conf [“model_path”]//conf 中的路径到模型 Self.model = load_model (model_path)//上传模型 Self.model._ make_predict_function () P_log.info (“模型已成功上传”) 我使用以下行进行预测: Cm_prediction = self.model.predict ([face,reye,leye,fg]) [0] 直到今天,我没有任何问题,总是有预测。现在我得到以下错误: 回溯 (最近一次通话): 文件 “D: \ code_project \ 项目路径”,75 行,在 predict 中 Cm_prediction = sel ……

共3个回答, 标签: python tensorflow flask keras
为什么 keras 模型预测编译后会更慢?

prediction speed keras [https://i.stack.imgur.com/cCXBx.png] [https://i.stack.imgur.com/cCXBx.png] 理论上,预测应该是恒定的,因为权重的大小是固定的。如何在编译后恢复速度 (不需要删除优化器)? 参见相关实验: Https://nbviewer.jupyter.org/github/off99555/TensorFlowExperiments/blob/master/test-prediction-speed-after-compile.ipynb?Flush_cache = true [https://nbviewer.jupyter.org/github/off99555/TensorFlowExperiments/blob/master/test-prediction-speed-after-compile.ipynb?flush_cache=true] ……

共2个回答,已解决, 标签: python tensorflow keras jupyter-notebook jupyter-lab
为什么 TensorFlow 2 比 TensorFlow 1 慢得多?

这个赏金还剩 0 天。这个问题的答案有资格获得 + 50 的声誉奖金。了解更多 [https://stackoverflow.com/help/bounty]. 阿里 · D [/users/6536335/ali-d]正在寻找一个规范答案. 许多用户认为这是切换到 Pytorch 的原因,但我还没有找到牺牲最重要的实际质量 -- 速度 -- 来换取渴望执行的理由/解释。 下面是代码基准性能,TF1 与 TF2-与 TF1 运行在任何地方快 47% 到 276%. 我的问题是:在图形或硬件层面,是什么导致了如此显著的放缓? -------------------------------------------------------------------------------- 寻找一个详细的答案 -- 我已经熟悉了广泛的概念。相关的 Git [https://github.com/tensorflow/tensorflow/issues/33487] 规格: CUDA 10.0.130,cuDNN 7.4.2,Python 3.7.4,Windows 10,GTX 1070 ---- ……

不同长度的输入序列在 Keras 中的 GRU/LSTM

我正在做一个较小的项目, 以更好地了解 RNN, 特别是 LSTM 和 GRU。我一点也不是专家, 所以请记住这一点。 我所面临的问题是以以下形式作为数据给出的: >>> import numpy as np >>> import pandas as pd >>> pd.DataFrame([[1, 2, 3],[1, 2, 1], [1, 3, 2],[2, 3, 1],[3, 1, 1],[3, 3, 2],[4, 3, 3]], columns=['person', 'interaction', 'group']) person interaction group 0 1 2 3 1 1 2 1 2 1 3 2 3 2 3 1 4 3 1 1 5 3 3 2 6 4 3 3 这只是为 ……

共1个回答, 标签: keras lstm recurrent-neural-network
如何添加在 CNN 差

我正在使用 CNN 训练一个时尚 MNIST 数据。为了过度拟合,我尝试添加 Dropout 层。但它不起作用 在我加入 Dropout 之前,这个模型工作得很好。 时尚模特 () Batch _ size = 64 时代 = 20 Num_classes = 月 Fashion_drop_model = 序列 () Fashion_drop_model.add (Conv2D (32,kernel_size = (月、月) 、活化 = 'linear',填充 'same' =,= input_shape (28,28,月) Fashion_ drop _ model.add (LeakyReLU (alpha = 0.1)) Fashion_ drop _ model.add (MaxPooling2D ((2,2),padding ='s ame')) Fashion_ drop _ model.add (Dropout (0.25)) Fashion_ drop _ model.add (Conv2D (64,(3,3),激活 = “线性”,填充 = “ame”) Fashion_ drop _ ……

共1个回答, 标签: python machine-learning keras