Python 3.x cnn文本分类tensorflow POST请求格式的Python Flask
我正在做。我的目标是从冻结图中进行预测 我的问题是如何从冻结的图表中进行预测。我发现了一个很棒的教程。他正在用烧瓶实现冻结图形 我正在使用下面的flask代码进行预测Python 3.x cnn文本分类tensorflow POST请求格式的Python Flask,python-3.x,tensorflow,flask,deep-learning,conv-neural-network,Python 3.x,Tensorflow,Flask,Deep Learning,Conv Neural Network,我正在做。我的目标是从冻结图中进行预测 我的问题是如何从冻结的图表中进行预测。我发现了一个很棒的教程。他正在用烧瓶实现冻结图形 我正在使用下面的flask代码进行预测 import json, argparse, time import tensorflow as tf from linkedin import load_graph from flask import Flask, request from flask_cors import CORS ###################
import json, argparse, time
import tensorflow as tf
from linkedin import load_graph
from flask import Flask, request
from flask_cors import CORS
##################################################
# API part
##################################################
app = Flask(__name__)
cors = CORS(app)
@app.route("/api/predict", methods=['POST'])
def predict():
start = time.time()
data = request.data.decode("utf-8")
if data == "":
params = request.form
x_in = json.loads(params['x'])
else:
params = json.loads(data)
x_in = params['x']
##################################################
# Tensorflow part
##################################################
y_out = persistent_sess.run(y, feed_dict={
x: x_in
# x: [[3, 5, 7, 4, 5, 1, 1, 1, 1, 1]] # < 45
})
##################################################
# END Tensorflow part
##################################################
json_data = json.dumps({'y': y_out.tolist()})
print("Time spent handling the request: %f" % (time.time() - start))
return json_data
##################################################
# END API part
##################################################
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument("--frozen_model_filename", default="frozen_model2.pb", type=str, help="Frozen model file to import")
parser.add_argument("--gpu_memory", default=.2, type=float, help="GPU memory per process")
args = parser.parse_args()
##################################################
# Tensorflow part
##################################################
print('Loading the model')
graph = load_graph(args.frozen_model_filename)
x = graph.get_tensor_by_name('prefix/input_x:0')
y = graph.get_tensor_by_name('prefix/output/predictions:0')
print('Starting Session, setting the GPU memory usage to %f' % args.gpu_memory)
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=args.gpu_memory)
sess_config = tf.ConfigProto(gpu_options=gpu_options)
persistent_sess = tf.Session(graph=graph, config=sess_config)
##################################################
# END Tensorflow part
##################################################
print('Starting the API')
app.run()
我正在使用MacOS上的终端运行此脚本
运行此命令后,我将使用postman发布请求:
如何正确构建此请求以获得正确响应。Postman在body中需要的确切输入是什么?在Postman中,您以json格式发送POST请求和数据,因此需要对代码进行更改 要获取数据,首先按照以下步骤进行验证:
if not 'data' in request.json:
abort(400)
x_in = request.json["data"]
{
"data" : {
"x" : "good movie it was"
}
}
之后,您可以按如下方式访问字符串:
if not 'data' in request.json:
abort(400)
x_in = request.json["data"]
{
"data" : {
"x" : "good movie it was"
}
}
但是,如果您想对请求进行更改,则可以尝试按如下方式发送数据:
if not 'data' in request.json:
abort(400)
x_in = request.json["data"]
{
"data" : {
"x" : "good movie it was"
}
}
如果不行,那么一定要让我知道。{data:{x:这是一部好电影}这在postman中不起作用您需要更多信息吗我不确定如何调试这一个我更改了def predict:start=time.time data=request.data.decodeutf-8如果request.json:abort400 else:params=json.loadsdata x_in=request.json[data]中没有“data”,为什么要传递字符串@Ajinkya传递它时不带逗号