Keras 张量不是该图的元素答案

【问题标题】：Keras Tensor is not an element of this graphKeras 张量不是该图的元素
【发布时间】：2020-12-31 17:44:36
【问题描述】：

我有 Python 3.6.9、Tensorflow 1.14.0 和 Jupyter Notebook 5.7.9。我在 Jupyter Notebook 中创建了一个神经网络并将其保存到一个文件中：

model = Sequential([
    Dense(16, input_shape=(2,), activation="relu"),
    Dense(len(classes), activation="softmax")
])

model.compile(optimizer="rmsprop", loss="mse")
# Training, testing, etc...
model.save("model.h5")

现在，我想在 Flask 服务器中加载这个保存的模型并预测一些输出：

model = load_model("model.h5")

y = model.predict(np.array([[1, 0]]))

但是，出现错误：

Tensor Tensor("dense_1/Softmax:0", shape=(?, 8), dtype=float32) 不是该图的元素。

所以我一直在寻找solution 并修改了 Flask 代码：

tf.keras.backend.clear_session()
model = load_model("model.h5")
model._make_predict_function()

y = model.predict(np.array([[1, 0]]))

现在，又出现了一个错误：

在图中未找到在 feed_devices 或 fetch_devices 中指定的 Tensor dense_input:0

我又在找solution：

tf.keras.backend.clear_session()
model = load_model("model.h5")
model._make_predict_function()

global graph
global sess
graph = tf.get_default_graph()
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

with graph.as_default():
    tf.keras.backend.set_session(sess)
    y = model.predict(np.array([[1, 0]]))

最后没有错误，但 model.predict 返回绝对糟糕（随机）的结果，即使 Jupyter Notebook 返回正确的结果 - 也许网络中的预训练权重被删除了？有什么办法可以解决吗？

【问题讨论】：

标签： python file tensorflow flask keras

【解决方案1】：

我找到了解决方案，这段代码应该可以工作：

global graph
graph = tf.get_default_graph()
session = tf.keras.backend.get_session()
init = tf.global_variables_initializer()
session.run(init)
lum_class_nn = load_model("model.h5")

with graph.as_default():
    tf.keras.backend.set_session(session)
    y = model.predict(np.array([[1, 0]]))

【讨论】：