Python 正在创建ai聊天机器人，但出现回溯错误

我正在尝试用python创建一个ai聊天室。我试着遵循这个教程：但是我得到了很多不赞成的错误和一些回溯错误。 代码如下：

import json
import random
import tensorflow
import tflearn
import numpy
import sys
import pickle
import nltk
from nltk.stem.lancaster import LancasterStemmer
stemmer = LancasterStemmer()
nltk.download('punkt')


with open("trainingData.json") as file:
    data = json.load(file)

try:
    with open("data.pickle", "rb") as f:
        words, labels, training, output = pickle.load(f)
except:
    words = []
    labels = []
    docs_x = []
    docs_y = []

    for intent in data["intents"]:
        for pattern in intent["patterns"]:
            wrds = nltk.word_tokenize(pattern)
            words.extend(wrds)
            docs_x.append(wrds)
            docs_y.append(intent["tag"])

        if intent["tag"] not in labels:
            labels.append(intent["tag"])

    words = [stemmer.stem(w.lower()) for w in words if w != "?"]
    words = sorted(list(set(words)))

    labels = sorted(labels)

    training = []
    output = []

    out_empty = [0 for _ in range(len(labels))]

    for x, doc in enumerate(docs_x):
        bag = []

        wrds = [stemmer.stem(w.lower()) for w in doc]

        for w in words:
            if w in wrds:
                bag.append(1)
            else:
                bag.append(0)

        output_row = out_empty[:]
        output_row[labels.index(docs_y[x])] = 1

        training.append(bag)
        output.append(output_row)

    training = numpy.array(training)
    output = numpy.array(output)

    with open("data.pickle", "wb") as f:
        pickle.dump((words, labels, training, output), f)

tensorflow.reset_default_graph()

net = tflearn.input_data(shape=[None, len(training[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(output[0]), activation="softmax")
net = tflearn.regression(net)

model = tflearn.DNN(net)

try:
    model.load("model.tflearn")
except:
    model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True)
    model.save("model.tflearn")


def bag_of_words(s, words):
    bag = [0 for _ in range(len(words))]

    s_words = nltk.word_tokenize(s)
    s_words = [stemmer.stem(word.lower()) for word in s_words]

    for se in s_words:
        for i, w in enumerate(words):
            if w == se:
                bag[i] = 1

    return numpy.array(bag)


def chat():
    print("Start talking with the bot (type quit to stop)!")
    while True:
        inp = input("You: ")
        if inp.lower() == "quit":
            break

        results = model.predict([bag_of_words(inp, words)])
        results_index = numpy.argmax(results)
        tag = labels[results_index]

        for tg in data["intents"]:
            if tg['tag'] == tag:
                responses = tg['responses']

        print(random.choice(responses))

chat()

下面是我得到的错误。如何修复弃用错误、回溯错误

以下是错误的文本：

Run id: VOB3W4
Log directory: /tmp/tflearn_logs/
---------------------------------
Training samples: 20
Validation samples: 0
--
--
Traceback (most recent call last):
  File "script.py", line 91, in <module>
    model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True)
  File "/usr/local/lib/python2.7/site-packages/tflearn/models/dnn.py", line 216, in fit
    callbacks=callbacks)
  File "/usr/local/lib/python2.7/site-packages/tflearn/helpers/trainer.py", line 339, in fit
    show_metric)
  File "/usr/local/lib/python2.7/site-packages/tflearn/helpers/trainer.py", line 816, in _train
    tflearn.is_training(True, session=self.session)
  File "/usr/local/lib/python2.7/site-packages/tflearn/config.py", line 95, in is_training
    tf.get_collection('is_training_ops')[0].eval(session=session)
  File "/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 731, in eval
    return _eval_using_default_session(self, feed_dict, self.graph, session)
  File "/usr/local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 5579, in _eval_using_default_session
    return session.run(tensors, feed_dict)
  File "/usr/local/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 950, in run
    run_metadata_ptr)
  File "/usr/local/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 1096, in _run
    raise RuntimeError('Attempted to use a closed Session.')
RuntimeError: Attempted to use a closed Session.

运行id:VOB3W4
日志目录：/tmp/tflearn\u日志/
---------------------------------
培训样本：20
验证样本：0
--
--
回溯（最近一次呼叫最后一次）：
文件“script.py”，第91行，在
model.fit（训练，输出，n_epoch=1000，批量大小=8，显示度量=True）
文件“/usr/local/lib/python2.7/site packages/tflearn/models/dnn.py”，第216行
回调=回调）
文件“/usr/local/lib/python2.7/site packages/tflearn/helpers/trainer.py”，第339行
显示（单位：公制）
文件“/usr/local/lib/python2.7/site packages/tflearn/helpers/trainer.py”，第816行，in\u train
tflearn.is\u培训（正确，session=self.session）
is_培训中第95行的文件“/usr/local/lib/python2.7/site packages/tflearn/config.py”
tf.get_集合（'is_training_ops'）[0].eval（session=session）
eval中的文件“/usr/local/lib/python2.7/site packages/tensorflow/python/framework/ops.py”，第731行
使用默认会话返回评估会话（self、feed、dict、self.graph、session）
文件“/usr/local/lib/python2.7/site packages/tensorflow/python/framework/ops.py”，第5579行，使用默认会话进行评估
返回会话。运行（张量、提要）
文件“/usr/local/lib/python2.7/site packages/tensorflow/python/client/session.py”，第950行，正在运行
运行_元数据_ptr）
文件“/usr/local/lib/python2.7/site packages/tensorflow/python/client/session.py”，第1096行，正在运行
raise RUNTIMERROR（'试图使用关闭的会话'）
RuntimeError:试图使用已关闭的会话。

在开始文件

“model.tflearn”

不存在，当代码尝试加载此文件并运行

fit（）

和

save（）

但是这个错误似乎关闭了

tf.session（）

，所以它无法正确运行

fit（）

如果使用

load（）

删除

try/except

，并仅保留

fit（）

和

save（）

，则创建模型并将其保存在文件中没有问题

model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True)
model.save("model.tflearn")

创建文件

“model.ftlearn”

后，您可以再次使用

try/except

和

load（）

一起使用，如果您不使用model删除文件，它应该可以工作

---

更好的解决方案应该检查文件是否存在-但它将数据保存在少数文件中

“model.tflearn.index”

，

“model.tflearn.meta”

和

“model.tflearn.data-00000-of-00001”

，因此它应该检查此文件中的一个，而不是

“model.tflearn”

使用

而不是

try:
    model.load("model.tflearn")
except:
    model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True)
    model.save("model.tflearn")

---

---

编辑：似乎此问题至少存在2年：

尝试在以下情况下执行此操作：

try:
    model.load("model3.tflearn")
except:
    model = tflearn.DNN(net)
    model.fit(training,output, n_epoch = 1000, batch_size = 8, show_metric = True)
    model.save("model3.tflearn")

---

始终将错误消息放在文本中，而不是图像中。关闭会话错误对我来说并不明显（我从未使用tensorflow），但弃用错误确切地告诉您需要做什么。@furas使用错误消息“始终复制并粘贴文本”，而不是屏幕截图更新了问题。屏幕截图是不可转位的，对视力受损的人来说毫无价值。即使对我来说，这张特别的照片也是毫无价值的，因为我有着完美的视力。如果您已经在文本中包含了相关位，请删除图像。谢谢！因此，基本上在try语句中，我应该执行

model.save（“model.tflearn.meta”）

？这样做：

model.save（“model.tflearn.meta”）

会给我同样的错误。您建议我怎么做？

save（）

中的路径正确。错误是

尝试/除了
。当文件不存在且
try
运行
load（）
时，它会关闭会话，然后模型无法将其保存在
中，除非
。如果直接使用
save（）
（不使用
try
和
load（）
），则model会正确保存它。如果文件不存在，代码应该使用而不是os.path.exists（…）来跳过加载（），但是它应该使用“model.tflearn.meta”而不是“model.tflearn”，因为model.save（“model.tflearn”）不会创建一个文件“model.tflearn”，而是创建文件“model.tflearn.index”，
“model.tflearn.meta”
和
“model.tflearn.data-00000-of-00001”
这似乎与公认的答案相同。这个答案增加了什么价值？
try:
    model.load("model.tflearn")
except:
    model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True)
    model.save("model.tflearn")

try:
    model.load("model3.tflearn")
except:
    model = tflearn.DNN(net)
    model.fit(training,output, n_epoch = 1000, batch_size = 8, show_metric = True)
    model.save("model3.tflearn")