Python 如何使tensorflow模型保持负载？

现在我想写两个函数：

• 1对于我已经培训过的加载模型
• 二是利用模型进行分类

但是这两个函数都需要相同的会话，所以我将会话作为一个参数，以便将其种子植入下一个函数。但是我收到了一个错误

这是我的密码。第一种方法用于加载模型，第二种方法用于使用模型预测某些内容，但我在初始化会话时遇到了一些问题

def callmodel():
    with tf.Graph().as_default():
        #saver = tf.train.Saver()
        model_path = 'E:/MyProject/MachineLearning/callTFModel/model/'
        ckpt = tf.train.get_checkpoint_state(model_path)
        sess = tf.Session()
        saver = tf.train.import_meta_graph(ckpt.model_checkpoint_path + '.meta')
        sess.run(tf.global_variables_initializer())
        ckpt = tf.train.get_checkpoint_state(model_path)
        if ckpt and ckpt.model_checkpoint_path:
            saver.restore(sess, ckpt.model_checkpoint_path)
            print("load model successful!")
            return sess
        else:
            print("failed to load model!")


def test_one_image(sess,test_dir):
    global p, logits
    image = Image.open(test_dir)
    image = image.resize([32, 32])
    image_array = np.array(image)
    image = tf.cast(image_array, tf.float32)
    image = tf.reshape(image, [1, 32, 32, 3])  # 调整image的形状
    p = mmodel(image, 1)
    logits = tf.nn.softmax(p)
    x = tf.placeholder(tf.float32, shape=[32, 32, 3])
    prediction = sess.run(logits, feed_dict={x: image_array})
    max_index = np.argmax(prediction)
    if max_index == 0:
        print('probability of good： %.6f' % prediction[:, 0])
    else:
        print('probability of Lack of glue： %.6f' % prediction[:, 1])



#######//test
sess=callmodel
path="c:/test/1001.jpg"
test_one_image(sess,path)

it occurs error:

 File "E:/MyProject/python/C+pythonModel/test.py", line 175, in <module>
    test_one_image(sess,path)
  File "E:/MyProject/python/C+pythonModel/test.py", line 164, in test_one_image
    prediction = sess.run(logits, feed_dict={x: image_array})
  File "D:\study\Anaconda3\lib\site-packages\tensorflow\python\client\session.py", line 895, in run
    run_metadata_ptr)
  File "D:\study\Anaconda3\lib\site-packages\tensorflow\python\client\session.py", line 1071, in _run
    + e.args[0])
TypeError: Cannot interpret feed_dict key as Tensor: Tensor Tensor("Placeholder:0", shape=(32, 32, 3), dtype=float32) is not an element of this graph.

def callmodel（）：
使用tf.Graph（）作为默认值（）：
#saver=tf.train.saver（）
模型路径='E:/MyProject/MachineLearning/callTFModel/model/'
ckpt=tf.train.get\u checkpoint\u状态（模型路径）
sess=tf.Session（）
saver=tf.train.import\u元图（ckpt.model\u checkpoint\u path+'.meta'）
sess.run（tf.global\u variables\u initializer（））
ckpt=tf.train.get\u checkpoint\u状态（模型路径）
如果ckpt和ckpt.model\u检查点路径：
saver.restore（sess、ckpt.model\u检查点\u路径）
打印（“加载模型成功！”）
返回sess
其他：
打印（“加载模型失败！”）
def test_one_映像（sess、test_dir）：
全球p，罗吉斯酒店
image=image.open（测试目录）
image=image.resize（[32,32]）
图像\数组=np.数组（图像）
image=tf.cast（image\u数组，tf.float32）
图像=tf.重塑（图像[1,32,32,3]）#调整形象的形状
p=mmodel（图1）
logits=tf.nn.softmax（p）
x=tf.placeholder（tf.float32，shape=[32,32,3]）
prediction=sess.run（logits，feed\u dict={x:image\u array}）
max_index=np.argmax（预测）
如果max_index==0：
打印（'良好概率：%.6f'%prediction[：，0]）
其他：
打印（'缺少胶水的概率：%.6f'%prediction[：，1]）
#######//试验
sess=callmodel
path=“c:/test/1001.jpg”
测试一个图像（sess，路径）
出现以下错误：
文件“E:/MyProject/python/C+pythonModel/test.py”，第175行，在
测试一个图像（sess，路径）
文件“E:/MyProject/python/C+pythonModel/test.py”，第164行，在test\u one\u图像中
prediction=sess.run（logits，feed\u dict={x:image\u array}）
文件“D:\study\Anaconda3\lib\site packages\tensorflow\python\client\session.py”，第895行，正在运行
运行_元数据_ptr）
文件“D:\study\Anaconda3\lib\site packages\tensorflow\python\client\session.py”，第1071行，正在运行
+e.args[0]）
TypeError:无法将feed_dict键解释为张量：张量张量（“占位符：0”，shape=（32,32,3），dtype=float32）不是此图形的元素。

问题不在于将会话用作参数，而在于如何恢复图形的输入和输出节点：当您写入时

p = mmodel(image, 1)
logits = tf.nn.softmax(p)
x = tf.placeholder(tf.float32, shape=[32, 32, 3])

您不是在恢复会话图中的相应节点，而是在创建新节点。您应改为使用：

x= sess.graph().get_tensor_by_name("your_x_placeholder_name")
logits= sess.graph().get_tensor_by_name("your_logits_placeholder_name")

然后

prediction=sess.run（logits，feed\u dict={x:image\u array}）

此外，您可能需要检查

图像

和

图像数组

之间是否有任何错误（现在您正在重塑

图像

，而不是数组，如果使用

图像数组

，这是没有用的）