我正在使用Keras和Tensorflow进行某种在线学习，我会定期接收新数据，并使用这些新数据重新训练模型。我可以将多个模型存储在“ .h5”文件中，以便在需要训练或预测时加载模型，然后执行必要的操作。
当前，我将训练和预测分为两个不同的线程，以便可以在其他线程训练时进行预测。对于锁，我尝试确保在同一模型中不会同时进行任何预测或训练（我认为这是可行的），但是我知道keras对此并不准备。关于张量流的图形或会话，我总是会出现一些不同的错误，例如：
回溯（最近通话最近）： wsgi_app中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ flask \ app.py”，第2292行 响应= self.full_dispatch_request（） 在full_dispatch_request中的第1815行，文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ flask \ app.py” rv = self.handle_user_exception（e） 在handle_user_exception中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ flask \ app.py”，行1718 加价（exc_type，exc_value，tb） 重新列出文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ flask_compat.py”，第35行 提高价值 在full_dispatch_request中，文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ flask \ app.py”，行1813 rv = self.dispatch_request（） 在dispatch_request中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ flask \ app.py”，行1799 返回self.view_functionsrule.endpoint 文件“ C：\ Users \ a703572 \ PycharmProjects \ ai-pred-eng \ src \ run_keras_server.py”，行859，在predict_times中 0] +'.h5'） 文件“ C：\ Users \ a703572 \ PycharmProjects \ ai-pred-eng \ src \ run_keras_server.py”，第164行，位于get_prediction中 模型，缩放比例= self.load_model_file（self.graph_pred，self.session，路径） 在load_model_file中的文件“ C：\ Users \ a703572 \ PycharmProjects \ ai-pred-eng \ src \ run_keras_server.py”，第114行 模型= load_model（path） 在load_model中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ saving.py”，行419 模型= _deserialize_model（f，custom_objects，compile） _deserialize_model中的第287行“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ saving.py” K.batch_set_value（weight_value_tuples） 文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ backend \ tensorflow_backend.py”，行2470，位于batch_set_value中 get_session（）。run（assign_ops，feed_dict = feed_dict） get_session中的第206行的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ backend \ tensorflow_backend.py” session.run（tf.variables_initializer（uninitialized_vars）） 文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ variables.py”，第2831行，位于variables_initializer中 返回control_flow_ops.group（* [v.var.list中v的v.initializer]，名称=名称） 组中的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ control_flow_ops.py”，行3432 返回_GroupControlDeps（dev，deps，name = name） _GroupControlDeps中的第3384行文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ control_flow_ops.py” 返回no_op（name = name） 退出中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ contextlib.py”，第88行 下一个（self.gen） 设备中的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ framework \ ops.py”，行4249 self._device_function_stack.pop_obj（） pop_obj中的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ framework \ traceable_stack.py”，行110 返回self._stack.pop（）。obj IndexError：从空列表中弹出
还是错误：
线程Thread-1中的异常： 追溯（最近一次通话）： _bootstrap_inner中的第916行的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ threading.py” self.run（） 正在运行的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ threading.py”，行1182 self.function（* self.args，** self.kwargs） 火车上的文件“ C：\ Users \ a703572 \ PycharmProjects \ ai-pred-eng \ src \ run_keras_server.py”，行632 self.update_prediction_historics_all（） 文件“ C：\ Users \ a703572 \ PycharmProjects \ ai-pred-eng \ src \ run_keras_server.py”，行649，在update_prediction_historics_all中 self.update_prediction_historics_dataset（new_dataset，loadModel = True） 文件“ C：\ Users \ a703572 \ PycharmProjects \ ai-pred-eng \ src \ run_keras_server.py”，第672行，位于update_prediction_historics_dataset中 0] +“ .h5”，loadModel = loadModel）[ 文件“ C：\ Users \ a703572 \ PycharmProjects \ ai-pred-eng \ src \ run_keras_server.py”，行198，位于get_predictions_sequential中 模型，缩放比例= self.load_model_file（self.graph_pred，self.session，路径） 在load_model_file中的文件“ C：\ Users \ a703572 \ PycharmProjects \ ai-pred-eng \ src \ run_keras_server.py”，第114行 模型= load_model（path） 在load_model中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ saving.py”，行419 模型= _deserialize_model（f，custom_objects，compile） _deserialize_model中的第225行的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ saving.py” 模型= model_from_config（model_config，custom_objects = custom_objects） 在model_from_config中的行458中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ saving.py” 返回反序列化（config，custom_objects = custom_objects） 反序列化文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ layers__init __。py”，第55行 printable_module_name ='图层'） 在deserialize_keras_object中的第145行中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ utils \ generic_utils.py” 列表（custom_objects.items（））） 文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ sequential.py”，行301，位于from_config model.add（图层） 添加文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ sequential.py”，行181 output_tensor = layer（self.outputs [0]） 调用中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ base_layer.py”，第431行 self.build（解包单个（input_shapes）） 生成中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ layers \ core.py”，第872行 约束= self.bias_constraint） 包装中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ legacy \ interfaces.py”，行91 return func（* args，** kwargs） 文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ engine \ base_layer.py”，第252行，位于add_weight中 约束=约束） 变量402行中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ site-packages \ keras \ backend \ tensorflow_backend.py” v = tf.Variable（值，dtype = tf.as_dtype（dtype），name =名称） 在调用中的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ variables.py”第183行 返回cls._variable_v1_call（* args，** kwargs） _variable_v1_call中的第146行的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ variables.py” 聚合=聚合） 文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ variables.py”，第125行，在 previous_getter = lambda ** kwargs：default_variable_creator（None，** kwargs） 文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ variable_scope.py”，行2444，位于default_variable_creator中 Expected_shape = expected_shape，import_scope = import_scope） 调用中的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ variables.py”，第187行 返回super（VariableMetaclass，cls）。调用（* args，** kwargs） init 中的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ variables.py”，第1329行 约束=约束） 文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ ops \ variables.py”，行1492，位于_init_from_args中 ops.add_to_collections（收藏夹，自己） 退出中的文件“ C：\ Users \ a703572 \ AppData \ Local \ Programs \ Python \ Python36 \ lib \ contextlib.py”，第88行 下一个（self.gen） 文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ framework \ ops.py”，行5347，位于init_scope中 让 退出中的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ framework \ ops.py”，行4369 self._graph._pop_control_dependencies_controller（自我） _pop_control_dependencies_controller中的文件“ C：\ Users \ a703572 \ AppData \ Roaming \ Python \ Python36 \ site-packages \ tensorflow \ python \ framework \ ops.py”，行4390 断言self._control_dependencies_stack [-1]是控制器 AssertionError
我的解决方案是使用图形进行预测，并使用图形进行训练，每次我要执行tf操作时，我都会使用：
with server_predict.graph_pred.as_default():
with tf.Session(graph=server_predict.graph_pred) as sess:
我还添加了这一行：
backend.set_session(sess)
尽管如此，我仍然遇到来自tf会话或图形的错误，因为似乎操作没有正确分开。关于tf会话，另一个错误是我在此issue中写的仍然打开的错误。使用k.clear_session（）（k = keras后端）给出的解决方案对我不起作用。
有人遇到过类似的问题或编写了可能对我有帮助的类似任务吗？
谢谢！
找到一个“包装纸”来使这项工作生效。我没有在同一个类（自定义）上启动两个线程，而是拥有两个相同类的对象，一个对象专用于训练，另一个对象用于预测。这不是真正的多线程应用程序（即使两个对象是从同一主程序启动的）。在找到合适的多线程解决方案之前，这可能会有所帮助。
但是我不知道我以前是怎么得到错误的，只是没有两个对象，即使这些对象在同一进程中运行也是如此。 keras / tensorflow只能在一个图上执行操作，而在同一进程中为不同对象定义不同的图吗？
答案 0 :(得分：0)
最简单的解决方案是拥有两个单独的keras模型-第一个在推理模式下运行，第二个在训练模式下运行。每次推理模型获取新的数据集进行预测时，它都会首先检查其是否具有最新的.h5文件，如果没有，则首先将其加载，然后运行预测。这样您可以避免锁等。
很难针对您的情况提供建议，因为您想要的可能与我需要的不一样