Python Google应用程序引擎：无法使用keras/tensorflow/flask加载资源

我目前正在使用tensorflow/keras和flask开发一个机器学习web应用程序。对于部署，我使用谷歌应用程序引擎（GAE）

在本地，我可以运行我的应用程序，通过UI获取一些数据，并使用我的旧模型显示预测（共有四个，都是.h5文件）

我可以在GAE上部署它，没有任何错误，但当我在浏览器中输入链接时，我会出现“502坏网关”错误，当我检查浏览器（Chrome）时，我会看到三条错误消息，说“加载资源失败”

我是网络开发新手，所以我不完全了解问题所在。我需要在.yaml文件中声明我的模型还是专门加载它们

My.yaml文件：

env: flex
runtime: python
runtime_config:
    python_version: 3

My main.py文件：

import pandas as pd
import tensorflow as tf
from keras.models import load_model
from keras.backend import set_session
from utils import instagram_scraper
from utils import image_preprocessing
from utils import label_encoding
from utils import overall_class_label
from sklearn.preprocessing import LabelEncoder

global sess
global graph
sess = tf.compat.v1.Session()
graph = tf.compat.v1.get_default_graph()
tf.compat.v1.keras.backend.set_session(sess) 
num_attributes = 4
model = [[] for i in range(num_attributes)]
model[0] = load_model('./model/savemodels/glamorous_model.h5')
model[1] = load_model('./model/savemodels/rugged_model.h5')
model[2] = load_model('./model/savemodels/fun_model.h5')
model[3] = load_model('./model/savemodels/healthy_model.h5')

app = Flask(__name__)


def data_collection(brandname):
    url = 'https://www.instagram.com/'+brandname+'/?hl=en'
    scraper = instagram_scraper.InstagramScraper()
    official_images = scraper.profile_page_posts(url)
    return official_images


def data_preprocessing(official_images):
    preprocessed_data = image_preprocessing.preprocessing(official_images)
    return preprocessed_data


def make_prediction(preprocessed_data):
    X_test = preprocessed_data

    with graph.tf.compat.v1.as_default():
        tf.compat.v1.keras.backend.set_session(sess)
        y_pred = [[] for i in range(num_attributes)]
        for i in range(num_attributes):
            y_pred[i] = model[i].predict(X_test)
        y_pred_label = overall_class_label.give_ovr_class_label_output(y_pred)

    # convert from encoded label to label name
    # encoded label
    y_pred_lst = y_pred_label.tolist()
    # map back to original label name
    code2label = {0: 'glamorous', 1: 'rugged', 2: 'fun', 3: 'healthy'}
    y_pred_lbnm = map(code2label.get, y_pred_lst)
    y_pred_lbnm = list(y_pred_lbnm)
    prediction = pd.Series(y_pred_lbnm).value_counts()
    return prediction


@app.route("/", methods=["POST", "GET"])
def index():
    if request.method == "POST":
        brandname = request.form["brandname"]
        return redirect(url_for("predict", brandname=brandname))
    else:
        return render_template("index.html")


@app.route("/predict/<brandname>", methods=["POST", "GET"])
def predict(brandname):
    official_images = data_collection(brandname)
    preprocessed_data = data_preprocessing(official_images)
    prediction = make_prediction(preprocessed_data)
    return render_template("predict.html", prediction=prediction)


if __name__ == "__main__":
    app.run(host="0.0.0.0", port=8080, debug=True)

非常感谢您的帮助，谢谢！ 祝你一切顺利，

---

斯诺

我理解您的担忧。502错误可能是由多种原因造成的。要获得更多信息，请从云控制台共享502错误的Stackdriver日志。嗨，Nibrass，感谢您的回复！当我现在尝试部署它时，它告诉我超出了配额。所以我没有访问日志文件的权限。是否可能.h5文件太大，无法及时从浏览器获得响应？它们每个大约有150MB。如果有人知道如何在Microsoft Azure上部署这样的应用程序，我非常乐意在那里尝试：）我能够成功地将同一个应用程序从本地git repo部署到远程azure repo，但当我单击URL时，我得到一个错误“503服务暂时不可用”。据我所知，我需要通过本地git repo来完成，因为我使用的模型太大，无法上传到GitHub（有四种型号，每种大约190MB）。对吗？您好，我理解您的担忧。正如错误所述，您试图加载太多资源或文件太多。请您分享完整的错误，看看是否是由于我之前所说的原因造成的。如果是这种情况，您需要打开谷歌云平台支持票证，并要求提高您的支持率AppEngine的配额是灵活的，但首先，正如我所说的，请分享完整的错误？我理解您的担忧。502错误可能是由许多原因造成的。要获得更多信息，请您从云控制台分享502错误的Stackdriver日志。嗨，Nibrass，感谢您的回复！当我现在尝试部署它时，请立即使用它告诉我已超过配额。因此，我无法访问日志文件。是否有可能.h5文件太大，无法及时从浏览器获得响应？每个文件约为150MB。如果有人知道如何在Microsoft Azure上部署此类应用程序，我非常乐意在那里尝试：）我能够成功地将同一应用程序从本地git repo部署到远程azure repo，但当我单击URL时，我得到一个错误“503服务暂时不可用”。据我所知，我需要通过本地git repo进行部署，因为我使用的模型太大，无法上载到GitHub（有四个模型，每个大约190MB）。是吗？嗨，我理解你的担心。正如错误所提到的，您试图加载太多的资源，或者您有很多文件。请你分享一下完整的错误，看看是否是由于我之前所说的？如果是这样的话，你需要打开一张谷歌云平台支持票，要求增加你的appengine Flexible配额，但首先，正如我所说的，请分享完整的错误？

parent
 --model
   --savemodels
     fun_model.h5
     glamorous_model.h5
     healthy_model.h5
     rugged_model.h5
 --static
     style.css
 --templates
     index.html
     predict.html
 --utils
     image_preprocessing.py
     instagram_scraper.py
     label_encoding.py
     overall_class_label.py
 app.yaml
 main.py
 requirements.txt