Tensorflow: रनटाइम पर: "संसाधन चर सॉफ्टमैक्स/कर्नेल को कंटेनर से पढ़ते समय त्रुटि: लोकलहोस्ट"

इस पर कोई अपडेट?

यह बिल्ड/इंस्टॉलेशन या बग/प्रदर्शन समस्या नहीं है। कृपया इस प्रकार के समर्थन प्रश्नों को Stackoverflow पर पोस्ट करें। आपके प्रश्नों का समर्थन करने और उनसे सीखने के लिए एक बड़ा समुदाय है। गिटहब मुख्य रूप से स्थापना और प्रदर्शन में बग को संबोधित करने के लिए है। धन्यवाद!

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

तुम कमाल हो!!!!! यह सबसे अच्छा उपाय है। क्या आप मुझे बता सकते हैं कि सत्र जोड़ने के बाद ही यह क्यों काम करता है?

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

तुम कमाल हो!!!!! यह सबसे अच्छा उपाय है। क्या आप मुझे बता सकते हैं कि सत्र जोड़ने के बाद ही यह क्यों काम करता है?

धन्यवाद और आपका बहुत-बहुत स्वागत है :)।

जहाँ तक मैं समझता हूँ, समस्या यह है कि टेंसरफ़्लो ग्राफ़ और सत्र थ्रेड सुरक्षित नहीं हैं। तो डिफ़ॉल्ट रूप से प्रत्येक थ्रेड के लिए, यानी प्रत्येक अनुरोध के लिए एक नया सत्र (जिसमें पहले से लोड किए गए वजन, मॉडल भी शामिल नहीं हैं) बनाया गया है। वैश्विक सत्र को सहेजकर जिसमें आपके सभी मॉडल शामिल हैं और इसे प्रत्येक थ्रेड में केरस द्वारा उपयोग करने के लिए सेट करके समस्या हल हो जाती है।

इसे बंद कर रहा हूं क्योंकि मैं इसे हल करने के लिए समझता हूं, लेकिन अगर मैं गलत हूं तो कृपया मुझे बताएं। धन्यवाद!

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

तुम कमाल हो!!!!! यह सबसे अच्छा उपाय है। क्या आप मुझे बता सकते हैं कि सत्र जोड़ने के बाद ही यह क्यों काम करता है?

धन्यवाद और आपका बहुत-बहुत स्वागत है :)।

जहाँ तक मैं समझता हूँ, समस्या यह है कि टेंसरफ़्लो ग्राफ़ और सत्र थ्रेड सुरक्षित नहीं हैं। तो डिफ़ॉल्ट रूप से प्रत्येक थ्रेड के लिए, यानी प्रत्येक अनुरोध के लिए एक नया सत्र (जिसमें पहले से लोड किए गए वजन, मॉडल भी शामिल नहीं हैं) बनाया गया है। वैश्विक सत्र को सहेजकर जिसमें आपके सभी मॉडल शामिल हैं और इसे प्रत्येक थ्रेड में केरस द्वारा उपयोग करने के लिए सेट करके समस्या हल हो जाती है।

मेरे पास टेंसर फ्लो संस्करण 1.13.1 के साथ एक ही समस्या है, उपरोक्त समाधान मेरे लिए काम करता है।

मुझे वही समस्याएं आ रही हैं और सोच रहा था कि some_custom_config का मूल्य क्या था?

मुझे वही समस्याएं आ रही हैं और सोच रहा था कि some_custom_config का मूल्य क्या था?

यदि आप अपना सत्र (जो मुझे करना था) को कॉन्फ़िगर करना चाहते हैं, तो आप इस पैरामीटर में कॉन्फ़िगरेशन पास कर सकते हैं। वरना इसे छोड़ दो।

मुझे वही समस्याएं आ रही हैं और सोच रहा था कि some_custom_config का मूल्य क्या था?

यदि आप अपना सत्र (जो मुझे करना था) को कॉन्फ़िगर करना चाहते हैं, तो आप इस पैरामीटर में कॉन्फ़िगरेशन पास कर सकते हैं। वरना इसे छोड़ दो।

बहुत - बहुत धन्यवाद! अब सब ठीक चल रहा है।

कोड प्रदान करने के लिए धन्यवाद। केरा पर बीईआरटी चलाते समय मैं इसी तरह के त्रुटि संदेश में भाग गया। मैंने आपके समाधान की कोशिश की लेकिन इसे काम पर नहीं लग रहा है। किसी भी मार्गदर्शन की सबसे अधिक सराहना की जाती है!

```असफल पूर्व शर्त त्रुटि ट्रेसबैक (सबसे हाल की कॉल अंतिम)
में()
11 सत्यापन_डेटा = ([test_input_ids, test_input_masks, test_segment_ids], test_labels),
12 युग = 1,
---> 13 बैच_साइज = 32
14)

3 फ्रेम
/usr/local/lib/python3.6/dist-packages/tensorflow/python/client/session.py में __call__(self, args, * kwargs)
1456 रिट = tf_session.TF_SessionRunCallable(self._session._session,
1457 स्वयं._हैंडल, आर्ग,
-> 1458 रन_मेटाडेटा_पीटीआर)
1459 अगर रन_मेटाडेटा:
1460 प्रोटो_डेटा = tf_session.TF_GetBuffer(run_metadata_ptr)

FailedPreconditionError: कंटेनर से संसाधन चर bert_layer_9_module/bert/encoder/layer_3/output/LayerNorm/gamma पढ़ते समय त्रुटि: localhost. इसका मतलब यह हो सकता है कि चर अप्रारंभीकृत था। नहीं मिला: संसाधन लोकलहोस्ट/बर्ट_लेयर_9_मॉड्यूल/बर्ट/एनकोडर/लेयर_3/आउटपुट/लेयरनॉर्म/गामा/N10tensorflow3VarE मौजूद नहीं है।
[[{{नोड bert_layer_9/bert_layer_9_module_apply_tokens/bert/encoder/layer_3/output/LayerNorm/batchnorm/mul/ReadVariableOp}}]] ```

कस्टम केरस परत के अंदर tf-hub से एल्मो एम्बेडिंग का उपयोग करते समय मुझे एक समान त्रुटि होती है।

tensorflow.python.framework.errors_impl.FailedPreconditionError: 2 मूल त्रुटियाँ मिलीं।
(0) विफल पूर्व शर्त: कंटेनर से संसाधन चर ElmoEmbeddingLayer_module/bilm/CNN_high_0/b_carry पढ़ने में त्रुटि: लोकलहोस्ट। इसका मतलब यह हो सकता है कि चर अप्रारंभीकृत था। नहीं मिला: संसाधन लोकलहोस्ट/ElmoEmbeddingLayer_module/bilm/CNN_high_0/b_carry/class tensorflow::Var मौजूद नहीं है।
[[{{नोड ElmoEmbeddingLayer/ElmoEmbeddingLayer_module_apply_default/bilm/add/ReadVariableOp}}]]
(1) विफल पूर्व शर्त: कंटेनर से संसाधन चर ElmoEmbeddingLayer_module/bilm/CNN_high_0/b_carry पढ़ते समय त्रुटि: लोकलहोस्ट। इसका मतलब यह हो सकता है कि चर अप्रारंभीकृत था। नहीं मिला: संसाधन लोकलहोस्ट/ElmoEmbeddingLayer_module/bilm/CNN_high_0/b_carry/class tensorflow::Var मौजूद नहीं है।
[[{{नोड ElmoEmbeddingLayer/ElmoEmbeddingLayer_module_apply_default/bilm/add/ReadVariableOp}}]]
[[मैट्रिक्स/एसीसी/पहचान/_199]]
0 सफल संचालन।
0 व्युत्पन्न त्रुटियों पर ध्यान नहीं दिया गया।

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

तुम कमाल हो!!!!! यह सबसे अच्छा उपाय है। क्या आप मुझे बता सकते हैं कि सत्र जोड़ने के बाद ही यह क्यों काम करता है?

धन्यवाद और आपका बहुत-बहुत स्वागत है :)।

जहाँ तक मैं समझता हूँ, समस्या यह है कि टेंसरफ़्लो ग्राफ़ और सत्र थ्रेड सुरक्षित नहीं हैं। तो डिफ़ॉल्ट रूप से प्रत्येक थ्रेड के लिए, यानी प्रत्येक अनुरोध के लिए एक नया सत्र (जिसमें पहले से लोड किए गए वजन, मॉडल भी शामिल नहीं हैं) बनाया गया है। वैश्विक सत्र को सहेजकर जिसमें आपके सभी मॉडल शामिल हैं और इसे प्रत्येक थ्रेड में केरस द्वारा उपयोग करने के लिए सेट करके समस्या हल हो जाती है।

इस के लिए बहुत बहुत धन्यवाद।

मेरे मामले में मैंने इसे थोड़ा अलग किया, अगर यह किसी की मदद करता है:

# on thread 1
session = tf.Session(graph=tf.Graph())
with session.graph.as_default():
    k.backend.set_session(session)
    model = k.models.load_model(filepath)

# on thread 2
with session.graph.as_default():
    k.backend.set_session(session)
    model.predict(x, **kwargs)

यहां नवीनता कई मॉडलों को लोड करने (एक बार) और कई थ्रेड्स में उपयोग करने की अनुमति दे रही है।
डिफ़ॉल्ट रूप से, "डिफ़ॉल्ट" Session और "डिफ़ॉल्ट" Graph मॉडल लोड करते समय उपयोग किए जाते हैं।
लेकिन यहां आप नए बनाते हैं।
यह भी ध्यान दें कि Graph को Session ऑब्जेक्ट में संग्रहीत किया जाता है, जो थोड़ा अधिक सुविधाजनक है।

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

तुम कमाल हो!!!!! यह सबसे अच्छा उपाय है। क्या आप मुझे बता सकते हैं कि सत्र जोड़ने के बाद ही यह क्यों काम करता है?

धन्यवाद और आपका बहुत-बहुत स्वागत है :)।
जहाँ तक मैं समझता हूँ, समस्या यह है कि टेंसरफ़्लो ग्राफ़ और सत्र थ्रेड सुरक्षित नहीं हैं। तो डिफ़ॉल्ट रूप से प्रत्येक थ्रेड के लिए, यानी प्रत्येक अनुरोध के लिए एक नया सत्र (जिसमें पहले से लोड किए गए वजन, मॉडल भी शामिल नहीं हैं) बनाया गया है। वैश्विक सत्र को सहेजकर जिसमें आपके सभी मॉडल शामिल हैं और इसे प्रत्येक थ्रेड में केरस द्वारा उपयोग करने के लिए सेट करके समस्या हल हो जाती है।

इस के लिए बहुत बहुत धन्यवाद।

मेरे मामले में मैंने इसे थोड़ा अलग किया, अगर यह किसी की मदद करता है:

# on thread 1
session = tf.Session(graph=tf.Graph())
with session.graph.as_default():
    k.backend.set_session(session)
    model = k.models.load_model(filepath)

# on thread 2
with session.graph.as_default():
    k.backend.set_session(session)
    model.predict(x, **kwargs)

यहां नवीनता कई मॉडलों को लोड करने (एक बार) और कई थ्रेड्स में उपयोग करने की अनुमति दे रही है।
डिफ़ॉल्ट रूप से, "डिफ़ॉल्ट" Session और "डिफ़ॉल्ट" Graph मॉडल लोड करते समय उपयोग किए जाते हैं।
लेकिन यहां आप नए बनाते हैं।
यह भी ध्यान दें कि Graph को Session ऑब्जेक्ट में संग्रहीत किया जाता है, जो थोड़ा अधिक सुविधाजनक है।

इस उत्तर के लिए धन्यवाद
फ्लास्क और मल्टीथ्रेडिंग का उपयोग करते समय मुझे भी इस समस्या का सामना करना पड़ रहा है, @eliadl आपके समाधान ने मेरे लिए काम किया।

धन्यवाद: स्माइली:

व्यवस्था जानकारी

• क्या मैंने कस्टम कोड लिखा है (जैसा कि TensorFlow में प्रदान की गई स्टॉक उदाहरण स्क्रिप्ट का उपयोग करने के विपरीत): हाँ, यहाँ पाया गया (https://github.com/viaboxxsystems/deeplearning-showcase/blob/tensorflow_2.0/flaskApp.py)
• OS प्लेटफ़ॉर्म और वितरण (जैसे, Linux Ubuntu 16.04): MAC OSX 10.14.4
• TensorFlow संस्करण (नीचे कमांड का उपयोग करें): 2.0.0-alpha0
• पायथन संस्करण: पायथन 3.6.5

आप हमारे पर्यावरण कैप्चर का उपयोग करके इसमें से कुछ जानकारी एकत्र कर सकते हैं
पायथन-सी "tf के रूप में टेंसरफ़्लो आयात करें; प्रिंट (tf.version.GIT_VERSION, tf.version.VERSION)"
v1.12.0-9492-g2c319fb415 2.0.0-alpha0

वर्तमान व्यवहार का वर्णन करें
"flaskApp.py" चलाते समय, मॉडल लोड करने और "भविष्यवाणी" का उपयोग करके एक छवि को वर्गीकृत करने का प्रयास करने के बाद, यह त्रुटि के साथ विफल हो जाता है:

tensorflow.python.framework.errors_impl.FailedPreconditionError: कंटेनर से संसाधन चर सॉफ्टमैक्स/कर्नेल पढ़ते समय त्रुटि: लोकलहोस्ट। इसका मतलब यह हो सकता है कि चर अप्रारंभीकृत था। नहीं मिला: संसाधन लोकलहोस्ट/सॉफ्टमैक्स/कर्नेल/N10tensorflow3VarE मौजूद नहीं है।

अपेक्षित व्यवहार का वर्णन करें
छवि वर्गीकरण का परिणाम लौटाया जाना चाहिए।

समस्या को पुन: पेश करने के लिए कोड
प्रजनन के चरण:

• git clone https://github.com/viaboxxsystems/deeplearning-showcase.git
• git checkout tensorflow_2.0
• (यदि आवश्यक हो) pip3 install -r requirements.txt
• export FLASK_APP=flaskApp.py
• ऐप को flask run
• डाकिया या कर्ल का उपयोग करके ऐप पर कुत्ते या बिल्ली की कोई भी छवि भेजें
  
  या

curl -X POST \
  http://localhost:5000/net/MobileNet \
  -H 'Postman-Token: ea35b79b-b34d-4be1-a80c-505c104050ec' \
  -H 'cache-control: no-cache' \
  -H 'content-type: multipart/form-data; boundary=----WebKitFormBoundary7MA4YWxkTrZu0gW' \
  -F image=@/Users/haitham.b/Projects/ResearchProjects/CNNs/deeplearning-showcase/data/sample/valid/dogs/dog.1008.jpg

अन्य जानकारी / लॉग

E0430 13:36:10.374372 123145501933568 app.py:1761] Exception on /net/MobileNet [POST]
Traceback (most recent call last):
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/flask/app.py", line 2292, in wsgi_app
    response = self.full_dispatch_request()
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/flask/app.py", line 1815, in full_dispatch_request
    rv = self.handle_user_exception(e)
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/flask/app.py", line 1718, in handle_user_exception
    reraise(exc_type, exc_value, tb)
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/flask/_compat.py", line 35, in reraise
    raise value
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/flask/app.py", line 1813, in full_dispatch_request
    rv = self.dispatch_request()
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/flask/app.py", line 1799, in dispatch_request
    return self.view_functions[rule.endpoint](**req.view_args)
  File "/Users/haitham.b/Projects/Virtualenvs/deeplearning-showcase/flaskApp.py", line 97, in use_net_to_classify_image
    prediction, prob = predict(net_name, image)
  File "/Users/haitham.b/Projects/Virtualenvs/deeplearning-showcase/flaskApp.py", line 59, in predict
    output_probability = net_models[cnn_name].predict(post_processed_input_images)
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py", line 1167, in predict
    callbacks=callbacks)
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/tensorflow/python/keras/engine/training_arrays.py", line 352, in model_iteration
    batch_outs = f(ins_batch)
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/tensorflow/python/keras/backend.py", line 3096, in __call__
    run_metadata=self.run_metadata)
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/tensorflow/python/client/session.py", line 1440, in __call__
    run_metadata_ptr)
  File "/Users/haitham.b/venv/tensorflow2.0alpha/lib/python3.6/site-packages/tensorflow/python/framework/errors_impl.py", line 548, in __exit__
    c_api.TF_GetCode(self.status.status))
tensorflow.python.framework.errors_impl.FailedPreconditionError: Error while reading resource variable softmax/kernel from Container: localhost. This could mean that the variable was uninitialized. Not found: Resource localhost/softmax/kernel/N10tensorflow3VarE does not exist.
   [[{{node softmax/MatMul/ReadVariableOp}}]]

मैं भी इस मुद्दे का सामना कर रहा हूँ
tensorflow.python.framework.errors_impl.FailedPreconditionError: कंटेनर से संसाधन चर सघन_6/कर्नेल पढ़ते समय त्रुटि: लोकलहोस्ट। इसका मतलब यह हो सकता है कि चर अप्रारंभीकृत था। नहीं मिला: संसाधन localhost/dense_6/kernel/class tensorflow::Var मौजूद नहीं है।
[[{{नोड सघन_6/MatMul/ReadVariableOp}}]]

क्षमा करें, मैं भी इस मुद्दे का सामना कर रहा हूं। लेकिन आपका जवाब मेरी समस्या का समाधान नहीं करता है शायद यह अलग स्थिति में है। मेरी समस्या में, यह तब होता है जब मैं केरस में VGG16 का उपयोग करता हूं और मैं iterate funtion का उपयोग करना चाहता हूं
loss_value, grads_value = iterate([np.zeros((1, 150, 150, 3))])
लेकिन ऐसा ही एक सवाल हुआ।
FailedPreconditionError: कंटेनर से संसाधन चर block1_conv1_12/पूर्वाग्रह पढ़ने में त्रुटि: localhost. नहीं मिला: संसाधन लोकलहोस्ट/ब्लॉक1_conv1_12/पूर्वाग्रह/N10tensorflow3VarE मौजूद नहीं है।[[{{नोड block1_conv1_12/BiasAdd/ReadVariableOp}}]]
https://github.com/JarvisUSTC/deep-learning-with-python-notebooks/blob/master/5.4-visualizing-what-convnets-learn.ipynb में , समस्या का सामना नहीं करना पड़ा।

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model
from tensorflow.python.keras.applications import VGG16

sess = tf.Session()
graph = tf.get_default_graph()

set_session(sess)

#model = load_model('vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5')
model = VGG16(weights='imagenet',include_top=False)

layer_name = 'block3_conv1'
filter_index = 0

layer_output = model.get_layer(layer_name).output
loss = K.mean(layer_output[:, :, :, filter_index])
grads = K.gradients(loss, model.input)[0]
grads /= (K.sqrt(K.mean(K.square(grads))) + 1e-5)

import numpy as np
global sess
global graph
with graph.as_default():
    set_session(sess)
    iterate = K.function([model.input], [loss, grads])
    loss_value, grads_value = iterate([np.zeros((1, 150, 150, 3))])

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

तुम कमाल हो!!!!! यह सबसे अच्छा उपाय है। क्या आप मुझे बता सकते हैं कि सत्र जोड़ने के बाद ही यह क्यों काम करता है?

धन्यवाद और आपका बहुत-बहुत स्वागत है :)।
जहाँ तक मैं समझता हूँ, समस्या यह है कि टेंसरफ़्लो ग्राफ़ और सत्र थ्रेड सुरक्षित नहीं हैं। तो डिफ़ॉल्ट रूप से प्रत्येक थ्रेड के लिए, यानी प्रत्येक अनुरोध के लिए एक नया सत्र (जिसमें पहले से लोड किए गए वजन, मॉडल भी शामिल नहीं हैं) बनाया गया है। वैश्विक सत्र को सहेजकर जिसमें आपके सभी मॉडल शामिल हैं और इसे प्रत्येक थ्रेड में केरस द्वारा उपयोग करने के लिए सेट करके समस्या हल हो जाती है।

मेरे पास टेंसर फ्लो संस्करण 1.13.1 के साथ एक ही समस्या है, उपरोक्त समाधान मेरे लिए काम करता है।

इस समाधान ने मेरे लिए भी काम किया .. धन्यवाद @ eliadl

TF 2.x में, कोई सत्र नहीं है ()। मैं इसे कैसे ठीक करूं? मेरे TF 2.x कोड में भी यही समस्या हो रही है।

के बजाय @SungmanHong tf.Session इस्तेमाल करने की कोशिश tf.compat.v1.Session ।

TF 2.x में, कोई सत्र नहीं है ()। मैं इसे कैसे ठीक करूं? मेरे TF 2.x कोड में भी यही समस्या हो रही है।

TF 2.X . में आयात सत्र
tf.compat.v1.Session()
TF 2.X में keras.backend.get_session आयात करें
tf.compat.v1.keras.backend.get_session()

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

यह मेरे लिए काम किया, धन्यवाद

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

यार आप प्रतिभाशाली और भयानक हैं, आपने अभी-अभी मेरा प्रोजेक्ट सहेजा है, बहुत बहुत धन्यवाद

TF 2.x में, कोई सत्र नहीं है ()। मैं इसे कैसे ठीक करूं? मेरे TF 2.x कोड में भी यही समस्या हो रही है।

TF 2.X . में आयात सत्र
tf.compat.v1.Session()
TF 2.X में keras.backend.get_session आयात करें
tf.compat.v1.keras.backend.get_session()

मैंने दिए गए समाधान का उपयोग किया है लेकिन मेरे लिए अभी भी काम नहीं किया है, मुझे त्रुटि मिल रही है

`` The graph tensor has name: anchors/Variable:0 /usr/local/lib/python3.6/dist-packages/keras/engine/training_generator.py:49: UserWarning: Using a generator with use_multiprocessing=True and multiple workers may duplicate your data. Please consider using the keras.utils.Sequence क्लास।
UserWarning(' use_multiprocessing=True साथ जनरेटर का उपयोग करना'

युग 1/4

FailedPreconditionError Traceback (सबसे हाल की कॉल अंतिम)
में()
4 Learning_rate=config.LEARNING_RATE,
5 युग = 4,
----> 6 परतें = 'सिर')

6 फ्रेम
/usr/local/lib/python3.6/dist-packages/mrcnn/model.py ट्रेन में (स्वयं, train_dataset, val_dataset, Learning_rate, युग, परतें, वृद्धि)
2350 मैक्स_क्यू_साइज़ = 100,
2351 श्रमिक = श्रमिक,
-> 2352 use_multiprocessing=true,
2353 )
2354 स्व.युग = अधिकतम (स्वयं.युग, युग)

/usr/स्थानीय/lib/python3.6/dist-packages/keras/legacy/interfaces.py आवरण में ( args, * kwargs)
89 चेतावनियां। चेतावनी ('अपना ' + object_name + ' कॉल अपडेट करें' +
90 'केरस 2 एपीआई:' + सिग्नेचर, स्टैकलेवल = 2)
---> 91 रिटर्न func ( args, * kwargs)
92 रैपर._ऑरिजिनल_फंक्शन = func
93 वापसी आवरण

/usr/local/lib/python3.6/dist-packages/keras/engine/training.py में fit_generator (स्वयं, जनरेटर, steps_per_epoch, युग, वर्बोज़, कॉलबैक, सत्यापन_डेटा, सत्यापन_स्टेप्स, सत्यापन_फ़्रेक, क्लास_वेट, मैक्स_क्यू_साइज़, कार्यकर्ता, use_multiprocessing , फेरबदल, प्रारंभिक_युग)
1730 use_multiprocessing=use_multiprocessing,
1731 फेरबदल = फेरबदल,
-> 1732 प्रारंभिक_युग = प्रारंभिक_युग)
1733
1734 @interfaces.legacy_generator_methods_support

/usr/local/lib/python3.6/dist-packages/keras/engine/training_generator.py में fit_generator (मॉडल, जनरेटर, steps_per_epoch, युग, वर्बोज़, कॉलबैक, सत्यापन_डेटा, सत्यापन_स्टेप्स, सत्यापन_फ़्रेक, क्लास_वेट, max_queue_size, कार्यकर्ता, use_multiprocessing , फेरबदल, प्रारंभिक_युग)
218 सैंपल_वेट = सैंपल_वेट,
219 क्लास_वेट = क्लास_वेट,
--> 220 रीसेट_मेट्रिक्स = गलत)
221
222 बहिष्कार = to_list(बहिष्कार)

/usr/local/lib/python3.6/dist-packages/keras/engine/training.py intrain_on_batch(self, x, y, sample_weight, class_weight, reset_metrics)
1512 इन्स = x + y + नमूना_वजन
1513 स्व._मेक_ट्रेन_फंक्शन ()
-> 1514 आउटपुट = self.train_function(ins)
1515
1516 अगर रीसेट_मेट्रिक्स:

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/backend.py में __call__(self, inputs)
3630
3631 प्राप्त किया गया = स्वयं।_कॉल करने योग्य_एफएन (* array_vals,
-> 3632 run_metadata=self.run_metadata)
3633 स्वयं._call_fetch_callbacks(fetched[-len(self._fetches):])
3634 आउटपुट_स्ट्रक्चर = Nest.pack_sequence_as(

/usr/local/lib/python3.6/dist-packages/tensorflow/python/client/session.py में __call__(self, args, * kwargs)
1470 रिट = tf_session.TF_SessionRunCallable(self._session._session,
1471 स्वयं._हैंडल, आर्ग,
-> 1472 रन_मेटाडेटा_पीटीआर)
1473 अगर रन_मेटाडेटा:
1474 प्रोटो_डेटा = tf_session.TF_GetBuffer(run_metadata_ptr)

FailedPreconditionError: कंटेनर से संसाधन चर एंकर/वेरिएबल पढ़ने में त्रुटि: localhost. इसका मतलब यह हो सकता है कि चर अप्रारंभीकृत था। नहीं मिला: संसाधन लोकलहोस्ट/एंकर/वेरिएबल/N10tensorflow3VarE मौजूद नहीं है।
[[{{नोड ROI/ReadVariableOp}}]] ```

कृपया सहायता कीजिए!!!

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

तुम कमाल हो!!!!! यह सबसे अच्छा उपाय है। क्या आप मुझे बता सकते हैं कि सत्र जोड़ने के बाद ही यह क्यों काम करता है?

धन्यवाद और आपका बहुत-बहुत स्वागत है :)।

जहाँ तक मैं समझता हूँ, समस्या यह है कि टेंसरफ़्लो ग्राफ़ और सत्र थ्रेड सुरक्षित नहीं हैं। तो डिफ़ॉल्ट रूप से प्रत्येक थ्रेड के लिए, यानी प्रत्येक अनुरोध के लिए एक नया सत्र (जिसमें पहले से लोड किए गए वजन, मॉडल भी शामिल नहीं हैं) बनाया गया है। वैश्विक सत्र को सहेजकर जिसमें आपके सभी मॉडल शामिल हैं और इसे प्रत्येक थ्रेड में केरस द्वारा उपयोग करने के लिए सेट करके समस्या हल हो जाती है।

Pls यह दिखा रहा है some_custom_config परिभाषित नहीं है

Pls यह दिखा रहा है some_custom_config परिभाषित नहीं है

मेरे पास टेंसरफ़्लो 1.13.1 में एक ही समस्या थी जिसे मैंने उस सत्र का संदर्भ बनाकर हल किया है जिसका उपयोग मॉडल लोड करने के लिए किया जाता है और फिर इसे प्रत्येक अनुरोध में केरस द्वारा उपयोग करने के लिए सेट किया जाता है। यानी मैंने निम्नलिखित किया है:

from tensorflow.python.keras.backend import set_session
from tensorflow.python.keras.models import load_model

tf_config = some_custom_config
sess = tf.Session(config=tf_config)
graph = tf.get_default_graph()

# IMPORTANT: models have to be loaded AFTER SETTING THE SESSION for keras! 
# Otherwise, their weights will be unavailable in the threads after the session there has been set
set_session(sess)
model = load_model(...)

और फिर प्रत्येक अनुरोध में (यानी प्रत्येक धागे में):

global sess
global graph
with graph.as_default():
    set_session(sess)
    model.predict(...)

काम मेरे लिए है, धन्यवाद !!