Python 如何解决：内部错误：'；numpy.ndarray和#x27；对象不可调用？

我有这个问题。我在FlaskAPI上运行此代码

# face verification with the VGGFace2 model
from matplotlib import pyplot
from PIL import Image
from numpy import asarray
from scipy.spatial.distance import cosine
from mtcnn.mtcnn import MTCNN
from keras_vggface.vggface import VGGFace
from keras_vggface.utils import preprocess_input
 
# extract a single face from a given photograph
def extract_face(filename, required_size=(254, 254)):
    # load image from file
    pixels = pyplot.imread(filename)

    # create the detector, using default weights
    detector = MTCNN()
    # detect faces in the image
    results = detector.detect_faces(pixels)
    # extract the bounding box from the first face
    x1, y1, width, height = results[0]['box']
    x2, y2 = x1 + width, y1 + height
    # extract the face
    face = pixels[y1:y2, x1:x2]
    # resize pixels to the model size
    image = Image.fromarray(face)
    image = image.resize(required_size)
    face_array = asarray(image)
    # print(face_array)
    return face_array

# extract faces and calculate face embeddings for a list of photo files
def get_embeddings(filenames):
    # extract faces
    faces = [extract_face(f) for f in filenames]
    # convert into an array of samples
    samples = asarray(faces, 'float32')
    # prepare the face for the model, e.g. center pixels
    samples = preprocess_input(samples, version=2)
    # create a vggface model
    model = VGGFace(model='vgg16', include_top=False, input_shape=(254, 254, 3), pooling='max')
    # perform prediction
    yhat = model.predict(samples)
    return yhat

# determine if a candidate face is a match for a known face
def is_match(known_embedding, candidate_embedding, thresh=0.45):
    # calculate distance between embeddings
    score = cosine(known_embedding, candidate_embedding)

    print('Match percentage (%.3f)' % (100 - (100 * score)))

    print('>face is a Match (%.3f <= %.3f)' % (score, thresh))

# define filenames
filenames = ['audacious.jpg', 'face-20190717050545949130_123.jpg']
# get embeddings file filenames
embeddings = get_embeddings(filenames)
# define sharon stone
sharon_id = embeddings[0]
# verify known photos of sharon
print('Positive Tests')
is_match(embeddings[0], embeddings[1])

使用VGGFace2模型进行面部验证 从matplotlib导入pyplot 从PIL导入图像 从numpy进口asarray 从scipy.spatial.distance导入余弦 从mtcnn.mtcnn导入mtcnn 从keras_vggface.vggface导入vggface 从keras_vggface.utils导入预处理_输入 #从给定的照片中提取一张脸 def extract_face（文件名，所需_大小=（254，254））： #从文件中加载图像 像素=pyplot.imread（文件名） #使用默认权重创建检测器 检测器=MTCNN（） #检测图像中的人脸 结果=检测器。检测面（像素） #从第一个面提取边界框 x1，y1，宽度，高度=结果[0]['box'] x2，y2=x1+宽度，y1+高度 #洗脸 面=像素[y1:y2，x1:x2] #将像素调整为模型大小 image=image.fromarray（面） image=image.resize（所需大小） 面_阵列=阵列（图像） #打印（面阵列） 返回面数组 #提取面并计算照片文件列表的面嵌入 def get_嵌入（文件名）： #提取人脸 faces=[为文件名中的f提取_面（f）] #转换为样本数组 样本=阵列（面“float32”） #为模型准备面，例如中心像素 样本=预处理\输入（样本，版本=2） #创建VGFace模型 model=VGGFace（model='vgg16'，include_top=False，input_shape=（254,254,3），pooling='max'） #执行预测 yhat=模型预测（样本） 返回yhat #确定候选人脸是否与已知人脸匹配 def是_匹配（已知_嵌入，候选_嵌入，阈值=0.45）： #计算嵌入件之间的距离 分数=余弦（已知嵌入、候选嵌入） 打印（'Match percentage（%.3f）'（100-（100*score））） 打印（'>面匹配（%.3f检查此行：

samples=asarray（面，'float32'）

并尝试将其替换为：

---

samples=asarray（faces，dtype=np.float32）

我已经尝试过了，但不起作用。仍然有相同的错误，有什么线索吗？是的，我已经做了更改：samples=asarray（faces，dtype=np.float32），仍然在第二次我点击get-same-error-get\u嵌入：无法将提要dict键解释为张量：张量张量（“占位符：0”，shape=（3,3,3,64），dtype=float32）不是此图形的元素“numpy.ndarray”对象不可调用