解决Django中调用Keras模型出现的Tensor错误

问题场景与原因

当在Django视图中加载预训练的Keras模型（.h5文件）并进行预测时，可能会抛出如下错误：

ValueError: Tensor Tensor("Placeholder:0", shape=(3, 3, 1, 32), dtype=float32) is not an element of this graph.

该错误表明，当前尝试访问的Tensor不属于Keras当前的默认计算图。在Django的Web服务器（如Gunicorn或uWSGI）多进程环境下，模型加载后的图状态可能未被正确继承或重置，导致后续预测操作找不到对应的计算节点。

解决方案

解决该问题的核心在于确保Keras在每次请求或模型初始化时，能够正确重置其内部状态。具体步骤如下：

1. 导入Keras后端模块：确保代码中引入了keras相关的模块。
2. 加载模型：使用load_model加载预训练文件，注意设置compile=False以跳过优化器配置。
3. 重置会话：在加载模型后，立即调用keras.backend.clear_session()以清除当前计算图。
4. 执行测试预测：构造一个与输入形状匹配的零数组，调用model.predict()进行一次测试。这一步能强制Keras构建正确的计算图，并验证模型是否可用。

代码实现

以下是完整的模型加载与测试代码示例：

from keras.models import load_model
import numpy as np

print('load model...')
# 加载模型，不编译优化器
model = load_model('static\\CnnBankUp.h5', compile=False)
print('load done.')

# 关键步骤：重置Keras会话
from keras import backend as K
K.clear_session()

# 测试模型：构造与输入形状一致的零数组
# 假设输入形状为 (batch_size, height, width, channels)
# 此处示例为 (2, 200, 200, 1)
print('test model...')
test_input = np.zeros((2, 200, 200, 1))
result = model.predict(test_input)
print('test done.')
print(result)

注意事项：

• 请根据实际模型的输入形状调整np.zeros()的参数，确保维度匹配。
• 在Django中，如果模型加载发生在视图函数内部，建议将模型加载逻辑移至应用初始化阶段（如apps.py或__init__.py），并在每次请求前确保会话已重置，以避免重复加载带来的性能损耗。

以上就是解决Django中调用Keras模型出现Tensor错误的详细内容，更多关于Python深度学习集成的资料请关注本站其它相关文章！