Question

我建立了一个三层神经网络，根据其内容预测一列的正确名称。该模型在tensorflow 1.12上运行良好;它甚至现在已经部署并投入生产。

但是，当我们尝试使用tensorflow 1.13运行相同的服务时，它因以下错误而中断。

127.0.0.1--[28 / Feb / 2019 16:28:15]“ [1m [35mPOST / 999 / qqq / upload_to_column_check HTTP / 1.1 [0m] 500-追溯（大部分最近通话结束）：文件 “ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask \ app.py”，第1997行，在致电中返回self.wsgi_app（环境，start_response）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask \ app.py”，行1985，在wsgi_app中响应= self.handle_exception（e）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask \ app.py”，第1540行，在handle_exception中重新提升（exc_type，exc_value，tb）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask_compat.py”，行 33，在加薪提高价值文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask \ app.py”，行1982，在wsgi_app中响应= self.full_dispatch_request（）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask \ app.py”，行1614，在full_dispatch_request中 rv = self.handle_user_exception（e）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask \ app.py”，第1517行，在handle_user_exception中重新提升（exc_type，exc_value，tb）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask_compat.py”，行 33，在加薪提高价值文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask \ app.py”，行1612，在full_dispatch_request中 rv = self.dispatch_request（）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ flask \ app.py”，行1598，在dispatch_request中返回self.view_functionsrule.endpoint文件“ C：\ Users \ Matt Casey \ iqm \ iqmpolisegments-datarecievers-columnnames \ api_service.py”，第231行，在upload_then_columns中 name_dict，conf = cp.predict_based_on_header_and_list（ColName，ColVals）文件“ C：\ Users \ Matt Casey \ iqm \ iqmpolisegments-datarecievers-columnnames \ header_service_core.py”，第299行，位于predict_based_on_header_and_list中 lpreds = self.predict_based_on_list（initial，arr_only = True）文件“ C：\ Users \ Matt Casey \ iqm \ iqmpolisegments-datarecievers-columnnames \ header_service_core.py”，第237行，位于predict_based_on_list中 preds = self.classifier.predict（矢量化）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ keras \ engine \ training.py”，行1113，在预测中自我，x，batch_size =批量大小，详细=详细，步骤=步骤）文件 “ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ keras \ engine \ training_arrays.py”，第251行，在model_iteration中 model.reset_metrics（）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ keras \ engine \ training.py”，第1119行，在reset_metrics中 m.reset_states（）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ keras \ metrics.py”，第460行，处于reset_states K.set_value（v，0）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ keras \ backend.py”， set_value中的第2844行 Assign_op = x.assign（assign_placeholder）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ ops \ resource_variable_ops.py”，分配中的第917行 self.handle，value_tensor，name = name）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ ops \ gen_resource_variable_ops.py”，第186行，在assign_variable_op中 “ AssignVariableOp”，资源=资源，值=值，名称=名称）文件 “ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ op_def_library.py”，第350行，在_apply_op_helper中 g = ops._get_graph_from_inputs（_Flatten（keywords.values（）））文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py”， _get_graph_from_inputs中的第5713行 _assert_same_graph（original_graph_element，graph_element）文件“ C：\ ProgramData \ Anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ ops.py”， _assert_same_graph中的第5649行 original_item））ValueError：Tensor（“ Placeholder：0”，shape =（），dtype = float32）必须与Tensor（“ total：0”，来自同一图形， shape =（），dtype = resource）。

我无法理解这一点。因此，我将对象拉进Jupyter笔记本进行故障排除。除非，当我这样做时，错误消失了，并且可以正常工作。

以下应为相关代码：

def predict_based_on_list(self, initial, arr_only = False):
    """
    Initial:
        str in list form, values separated by '|'
        OR a list of strings. The strings should all be values from the
        same column of a spreadsheet

    returns:
        np.array, the output of the neural network with shape (1, len(headers)).
        Each entry in the array represents affinity for a particular column
        the higher the value, the closer the affinity.
    """
    conf_array = np.zeros((1, len(self.headers)))
    if type(initial) == str:
        vals = initial.split('|')
        print('in split', vals)
    else:
        vals = initial
        print('in = initial', vals)
    rows = len(vals)
    vectorized = [self.convert_val_to_metadata(val) for val in vals]
    vectorized = pd.DataFrame(vectorized)
    vectorized.fillna(0, inplace=True)

    vectorized = np.array(vectorized, dtype='float64')

    preds = self.classifier.predict(vectorized)

    avgs = preds.sum(axis=0) / len(vals)

    return avgs

如果您有任何出色的想法，我很想听听他们的想法。我感到困惑。

ValueError：Tensor（“ Placeholder：0”，shape =（），dtype = float32）必须与Tensor（“ total：0”，shape =（），dtype = resource）来自同一张图

0 个答案: