Question

我已经训练了一个模型（通过Keras框架），并用model.save('model.hdf5')导出了模型，现在我想将其与很棒的Streamlit集成。显然，我不想每次最终用户插入新输入时都加载模型，而是一劳永逸地加载它。所以我的代码看起来像这样：

@st.cache
def load_my_model():
    model = load_model('model.hdf5')
    model.summary()

    return model

if __name__ == '__main__':
    st.title('My first app')
    sentence = st.text_input('Input your sentence here:')
    model = load_my_model()
    if sentence:
        y_hat = model.predict(sentence)

这样，我得到了：

“ streamlit.errors.UnhashableType：”

例外。我尝试使用@st.cache(allow_output_mutation=True)并在精简页面上运行查询时。我得到了：

“ TypeError：无法将feed_dict键解释为张量：Tensor Tensor（” input_1：0“，shape =（?, 80），dtype = int32）不是该图的元素。”

（当然，没有任何缓存装饰器的模型将被加载并正常工作）

我应该如何正确加载并缓存 Keras训练的模型？

Python版本：2.7（不幸的是）
Keras版本：2.1.3
Tensorflow版本：1.3.0
Streamlit版本：0.55.2

非常感谢！

Answer 1

解决方案是：

添加_make_predict_function()通话
返回会话

from keras import backend as K

@st.cache(allow_output_mutation=True)
def load_model():
    model = load_model(MODEL_PATH)
    model._make_predict_function()
    model.summary()  # included to make it visible when model is reloaded
    session = K.get_session()
    return model, session

if __name__ == '__main__':
    st.title('My first app')
    sentence = st.text_input('Input your sentence here:')
    model, session = load_model()
    if sentence:
        K.set_session(session)
        y_hat = model.predict(sentence)

Streamlit缓存Keras训练模型

1 个答案: