Python 如何在Google App Engine灵活环境中运行TensorFlow？

在我问GAE为什么在这里找不到TensorFlow lib之前

Dmytro Sadovnychi告诉我GAE不能运行TensorFlow，但GAE flexible可以

因此，我在美国专区创建了我的项目，并尝试部署我的简单项目：

import webapp2
import tensorflow as tf

class MainHandler(webapp2.RequestHandler):
    def get(self):
        hello = tf.constant('Hello, TensorFlow!')
        sess = tf.Session()
        self.response.write(sess.run(hello))
        a = tf.constant(10)
        b = tf.constant(32)
        self.response.write(sess.run(a + b))
        #self.response.write('asd');


app = webapp2.WSGIApplication([
    ('/', MainHandler)
], debug=True)

witn

vm:true

在yaml中

我是yaml：

application: tstmchnlrn
version: 1
runtime: python27
vm: true
api_version: 1
threadsafe: yes

handlers:
- url: /favicon\.ico
  static_files: favicon.ico
  upload: favicon\.ico

- url: .*
  script: main.app

libraries:
- name: webapp2
  version: "2.5.2"

部署成功，但在

appspot

访问我的应用程序时出现服务器内部错误，控制台仍显示

ImportError:没有名为tensorflow的模块

我需要做什么才能使基于TensorFlow的应用程序在
灵活的环境中运行？
这听起来好像依赖项没有被推送到实例中

创建一个
requirements.txt
文件，并在其中包含Tensor Flow。
为了帮助其他人，我将使用Python 3发布我的hello world Tensor Flow代码，用于google app engine flexible environment（我知道最初的问题是针对Python 2.7提出的）。还要注意，webapp2还不能与python3兼容，所以我使用的是Flask

完整的代码是

requirements.txt

Flask==0.12.2
gunicorn==19.7.1
tensorflow==1.3.0

应用程序yaml

runtime: python
threadsafe: yes
env: flex
entrypoint: gunicorn -b :$PORT main:app

runtime_config:
  python_version: 3

main.py

# Copyright 2015 Google Inc. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

# [START app]
import logging
import platform
import tensorflow as tf

from flask import Flask


app = Flask(__name__)


@app.route('/')
def hello():
    """Return a friendly HTTP greeting."""
    # Simple hello world using TensorFlow

    # Create a Constant op
    # The op is added as a node to the default graph.
    #
    # The value returned by the constructor represents the output
    # of the Constant op.
    hello = tf.constant('Hello, TensorFlow!')

    # Start tf session
    sess = tf.Session()

    return sess.run(hello).decode()+' Python '+ platform.python_version()


@app.errorhandler(500)
def server_error(e):
    logging.exception('An error occurred during a request.')
    return """
    An internal error occurred: <pre>{}</pre>
    See logs for full stacktrace.
    """.format(e), 500


if __name__ == '__main__':
    # This is used when running locally. Gunicorn is used to run the
    # application on Google App Engine. See entrypoint in app.yaml.
    app.run(host='127.0.0.1', port=8080, debug=True)
# [END app]

#版权所有2015 Google Inc.保留所有权利。
#
#根据Apache许可证2.0版（以下简称“许可证”）获得许可；
#除非遵守许可证，否则不得使用此文件。
#您可以通过以下方式获得许可证副本：
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
#除非适用法律要求或书面同意，软件
#根据许可证进行的分发是按“原样”进行分发的，
#无任何明示或暗示的保证或条件。
#请参阅许可证以了解管理权限和权限的特定语言
#许可证下的限制。
#[启动应用程序]
导入日志记录
导入平台
导入tensorflow作为tf
从烧瓶进口烧瓶
app=烧瓶（名称）
@应用程序路径（“/”）
def hello（）：
“”“返回友好的HTTP问候语。”“”
#使用TensorFlow的简单hello world
#创建一个常量op
#op将作为节点添加到默认图形中。
#
#构造函数返回的值表示输出
#常数op。
hello=tf.constant（'hello，TensorFlow！'）
#启动tf会话
sess=tf.Session（）
返回sess.run（hello.decode（）+'Python'+platform.Python_version（））
@app.errorhandler（500）
def服务器_错误（e）：
logging.exception（'请求期间发生错误'）
返回“”
发生内部错误：{}
有关完整堆栈跟踪，请参阅日志。
“”。格式（e），500
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
#这在本地运行时使用。Gunicorn用于运行
#谷歌应用程序引擎上的应用程序。请参见app.yaml中的entrypoint。
app.run（host='127.0.0.1'，port=8080，debug=True）
#[结束应用程序]

同样的代码也发布在github上，因此，我创建了requirements.txt文件，并将其与我的
yaml
和
py
文件放在一起。它的内容只是一个链接：
https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl
。在部署这个项目并重新测试之后，我仍然得到了关于TensorFlow模块not found的相同错误。要让VM安装TensorFlow，我还需要做其他特殊的事情吗？我通过PyCharm部署项目。存储链接是404。应该公开吗？我不知道。。。但这个命令在控制台中运行良好：
Metafalica@DESKTOP-MC1D431:~$pip安装--升级https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl 下载/解包https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl   正在下载tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl（39.8MB）：97%39.0MB