Python Dask延迟错误-属性错误：'_螺纹。_本地'；对象没有属性'；价值'；

我一直在绞尽脑汁想弄明白为什么我不能在Dask上执行这个并行函数。本质上，我有一个函数，加载到keras模型中（我使用mlflow存储模型），然后对我分批发送的一些输入数据使用模型的预测方法。这段代码（如下）导致以下错误：

AttributeError: '_thread._local' object has no attribute 'value'

代码示例：

@delayed
def load_and_predict(input_data_chunk):

    def contrastive_loss(y_true, y_pred):
            margin = 1
            square_pred = K.square(y_pred)
            margin_square = K.square(K.maximum(margin - y_pred, 0))
            return K.mean(y_true * square_pred + (1 - y_true) * margin_square)

    mlflow.set_tracking_uri('<tracking_uri>')
    mlflow.set_experiment('experiment_name')
    runs = mlflow.search_runs()
    artifact_uri = runs.loc[runs['start_time'].idxmax()]['artifact_uri']
    model = mlflow.keras.load_model(artifact_uri + '/model', custom_objects={'contrastive_loss': contrastive_loss})
    y_pred = model.predict(input_data_chunk)
    return y_pred

with Client(<scheduler_ip:port>) as client:
    batch_array = np.array_split(X_test, 10)
    results = []
    for batch in batch_array:
        prediction = load_and_predict(batch)
        results.append(prediction)

compute(*results)

@延迟
def加载和预测（输入数据块）：
def对比损失（y_真，y_pred）：
保证金=1
平方前=K.平方（y\u前）
边距×平方=K平方（K最大值（边距-y×pred，0））
返回K.均值（y_真*平方_pred+（1-y_真）*边距_平方）
mlflow.set_tracking_uri（“”）
mlflow.set_实验（'实验名称'）
runs=mlflow.search_runs（）
artifact\u uri=runs.loc[运行['start\u time'].idxmax（）]['artifact\u uri']
model=mlflow.keras.load_model（artifact_uri+'/model'，自定义_对象={'contractive_loss'：contractive_loss}）
y_pred=model.predict（输入数据块）
返回y_pred
使用Client（）作为客户端：
批处理数组=np.数组拆分（X\u测试，10）
结果=[]
对于批次数组中的批次：
预测=负载和预测（批次）
结果追加（预测）
计算（*结果）

---

诚然，我对Dask是一个新手，所以任何关于这个问题的专家指导都将不胜感激

如果要使用在上下文中创建的

客户机

进行计算，则

compute（）

行也必须在上下文中：请缩进它