Python 从烧瓶中得到结果

我已经用keras训练了一个深度学习模型（lstm），用

h5

保存它，现在我想“点击”一个web服务以获得一个类别。这是我第一次尝试这样做，所以我有点困惑。我想不出该如何取回分类。当我向

http://localhost:8000/predict

我发现以下错误

The server encountered an internal error and was unable to complete your 
request. Either the server is overloaded or there is an error in the 
application.

在笔记本上

ValueError: Tensor Tensor("dense_3/Softmax:0", shape=(?, 6), dtype=float32) 
is not an element of this graph.

我尝试了来自的解决方案，但不起作用

目前为止的代码如下

from flask import Flask,request, jsonify#--jsonify will return the data
import os
from keras.models import load_model

app = Flask(__name__)

model=load_model('lstm-final-five-Copy1.h5')

@app.route('/predict', methods= ["GET","POST"])
def predict():
    df_final = pd.read_csv('flask.csv')

    activities = df_final['activity'].value_counts().index

    label = LabelEncoder()
    df_final['label'] = label.fit_transform(df_final['activity'])

    X = df_final[['accx', 'accy', 'accz', 'gyrx', 'gyry', 'gyrz']] 
    y = df_final['label'] 

    scaler = StandardScaler()
    X = scaler.fit_transform(X)

    df_final = pd.DataFrame(X, columns = ['accx', 'accy', 'accz', 'gyrx', 
    'gyry', 'gyrz'])
    df_final['label'] = y.values

    Fs = 50
    frame_size = Fs*2 # 200 samples
    hop_size = frame_size # 40 samples
    def get_frames(df_final, frame_size, hop_size):

       N_FEATURES = 6 #x,y,z (acc,gut)

      frames = []
      labels = []
      for i in range(0, len(df_final) - frame_size, hop_size):
          accx = df_final['accx'].values[i: i + frame_size]
          accy = df_final['accy'].values[i: i + frame_size]
          accz = df_final['accz'].values[i: i + frame_size]
          gyrx = df_final['gyrx'].values[i: i + frame_size]
          gyry = df_final['gyry'].values[i: i + frame_size]
          gyrz = df_final['gyrz'].values[i: i + frame_size]

          # Retrieve the most often used label in this segment
          label = stats.mode(df_final['label'][i: i + frame_size])[0][0]
          frames.append([accx, accy, accz, gyrx, gyry, gyrz])
          labels.append(label)

      # Bring the segments into a better shape
      frames = np.asarray(frames).reshape(-1, frame_size, N_FEATURES)
      labels = np.asarray(labels)

      return frames, labels

    X, y = get_frames(df_final, frame_size, hop_size)

    pred = model.predict_classes(X)
    return jsonify({"Prediction": pred}), 201

if __name__ == '__main__':
app.run(host="localhost", port=8000, debug=False)

---

在“/predict”POST端点中，似乎没有返回任何值，这就是为什么没有按预期返回类别的原因

如果您想添加GET方法，您可以添加如下所述的内容

@app.route('/', methods=['GET'])
def check_server_status():
   return ("Server Running!")

在POST方法中，您可以在端点返回您的预测

@app.route('/predict', methods=['POST'])
def predict():

    # Add in other steps here

    pred = model.predict_classes(X)
    return jsonify({"Prediction": pred}), 201

---

据我所知，如果您没有安装pandas，您需要通过执行

pip install pandas

并将其作为

导入pandas As pd

您还可以在

/prediction

端点中添加“GET”方法，如：

@app.route("/predict", methods=["GET", "POST"])

---

尝试在方法列表中添加“GET”谢谢。当我添加“GET”时，此错误会发生内部服务器错误服务器遇到内部错误，无法完成您的请求。服务器过载或应用程序出错。您能在问题中发布错误日志吗？谢谢您的回答。但是，我再次返回不允许使用的方法请求的URL不允许使用该方法。我怎样才能把预测作为回应返回呢？哦，是的。我通过添加“GET”对代码进行了编辑。您可以参考下面@satilog给出的答案，将预测作为响应返回。它不起作用，我按照您的建议和satilog的预测功能进行操作，但我返回内部服务器错误服务器遇到内部错误，无法完成您的请求。要么是服务器过载，要么是应用程序出错。@AKA我能问点什么吗。我认为我误导了整个过程。我在这里加载的数据与我在这里加载的模型相同。这样行吗？或者maybay我必须加载模型以前从未见过的数据？另外，我认为@app.route（'/'）def getmodel（）：return str（model）Right不需要此路由。我认为getmodel函数不是必需的。尝试删除/注释它，并提出类似“谢谢你的回答”的请求。是否有必要使用get函数？否。我刚才提到了它，以防您想使用GET而不是POST。感谢您的努力，但这仍然不起作用，我返回内部服务器错误服务器遇到内部错误，无法完成您的请求。服务器过载或应用程序出错。您可以将所有预处理和数据读取步骤移到predict（）端点函数之外（还可以将最终数据帧保存到csv并直接加载）在端点中可能只有与预测相关的处理，这可能有助于调试。我将所有预处理步骤移到上面的shell中。“现在预测”是您在上面指定的，但当我转到时，再次返回服务器上未找到请求的URL。如果您手动输入URL，请检查拼写并重试。