使用TensorFlow训练的模型在Django中不可用

Question

从检查点还原失败。 这很可能是由于检查点缺少变量名或其他图形键。 请确保您没有更改基于检查点的预期图形。 原始错误：

在检查点[[节点save_1 / RestoreV2（在Programing \\ web_programing \\ django \\ django-vegiter \\ predict \\ views.py：20）中定义）中找不到关键偏差_1。

追溯

saver.restore(sess, save_path) 
…
err, "a Variable name or other graph key that is missing") 

在Python虚拟环境中运行

Django 2.2.5 Keras-Applications 1.0.8 Keras-预处理1.1.0 numpy 1.17.1 pandas 0.25.1 tensorboard 1.14.0 tensorflow 1.14.0 tensorflow-estimator 1.14.0 termcolor 1.1.0

在这里创建您的视图。

def index（request）：X = tf.placeholder（tf.float32，shape = [None，4]）Y = tf.placeholder（tf.float32，shape = [None，1]）

W = tf.Variable(tf.random_normal([4, 1]), name="weight")
b = tf.Variable(tf.random_normal([1]), name="bias")

hypothesis = tf.matmul(X, W) + b

saver = tf.train.Saver()
model = tf.global_variables_initializer()

sess = tf.Session()
sess.run(model)
save_path = "./model/saved.cpkt"
saver.restore(sess, save_path)

if request.method == "POST":
    avg_temp = float(request.POST['avg_temp'])
    min_temp = float(request.POST['min_temp'])
    max_temp = float(request.POST['max_temp'])
    rain_fall = float(request.POST['rain_fall'])

    price = 0

    data = ((avg_temp, min_temp, max_temp, rain_fall), (0, 0, 0, 0))
    arr = np.array(data, dtype=np.float32)

    x_data = arr[0:4]
    dict = sess.run(hypothesis, feed_dict={X: x_data})

    price = dict[0]
else:
    price = 0
return render(request, 'predict/index.html', {'price': price})

开机自检

可变值csrfmiddlewaretoken'BeE48x03YbOY3tIC7eF8L0tKrZME'
avg_temp'24'min_temp'12'max_temp'31'rain_fall'0.9'

收到发布数据后，我们希望价格变量具有预测。

Answer 1

概念

在高层次上，我们可以将图形表示为数学表达式，例如（x + 3x ^ 2-.6x ^ 3），它定义了要对变量x执行的运算。 另一方面，会话是存储x的值和所有中间值（如“ 3x ^ 2”等）的地方。

要恢复会话，我们需要用图形表示保存会话的相同元素。

当您在下面运行代码时

W = tf.Variable(tf.random_normal([4, 1]), name="weight")
b = tf.Variable(tf.random_normal([1]), name="bias")

Tensorflow将创建变量并将其添加到默认图，该图可能与已保存图的结构不同。

恢复图和会话的步骤

• 首先从“ .meta”文件还原图形
• 然后，您可以使用graph.get_tensor_by_name（）/ graph.get_operation_by_name（）从图中获取张量和操作的引用
• 然后，您可以对图表进行一些添加，这不会影响会话还原
• 在还原会话之前进行变量初始化。 如果您稍后这样做，它将覆盖已还原的变量
• 从检查点还原会话

代码如下所示

## restore the graph
importer = tf.train.import_meta_graph("%s.meta"%saved_path)
graph = tf.get_default_graph()

## get reference of output of tensor and set it to variable
## here ":0" indicates the output of an operation
W = graph.get_tensor_by_name("weights")
output = graph.get_tensor_by_name("hidden5_out:0")


## restore the variables in session
session = tf.Session(graph=graph)
importer.restore(session, saved_path)