kerasで画像予想モデルを作り、Djangoでアプリケーション化した際に、何故か2度目にエラーが出る。

Question

タイトル通りです。ランサーバーした後、一度目は上手く予想が表示されるのですがブラウザでリロードをすると以下のように表示されてしまいます。なぜでしょうか。お力を貸してください。よろしくお願いします。

TypeError at /animal
Cannot interpret feed_dict key as Tensor: Tensor Tensor("Placeholder:0", shape=(3, 3, 3, 32), dtype=float32) is not an element of this graph.
Request Method:	POST
Request URL:	http://127.0.0.1:8000/animal
Django Version:	2.1.2
Exception Type:	TypeError
Exception Value:	
Cannot interpret feed_dict key as Tensor: Tensor Tensor("Placeholder:0", shape=(3, 3, 3, 32), dtype=float32) is not an element of this graph.
Exception Location:	C:\Users\光\AppData\Roaming\Python\Python36\site-packages\tensorflow\python\client\session.py in _run, line 1078
Python Executable:	C:\anaconda\python.exe
Python Version:	3.6.4
Python Path:	
['C:\project\revangeblog1216',
 'C:\anaconda\python36.zip',
 'C:\anaconda\DLLs',
 'C:\anaconda\lib',
 'C:\anaconda',
 'C:\Users\光\AppData\Roaming\Python\Python36\site-packages',
 'C:\anaconda\lib\site-packages',
 'C:\anaconda\lib\site-packages\win32',
 'C:\anaconda\lib\site-packages\win32\lib',
 'C:\anaconda\lib\site-packages\Pythonwin']
Server time:	Sun, 16 Dec 2018 02:56:28 +0000

以下画像予想ファイルです。

import pickle
import numpy as np
from PIL import Image
from sklearn import datasets, svm
from sklearn.model_selection import train_test_split
import keras,sys
from keras.models import Sequential,load_model
from keras.layers import Conv2D,MaxPool2D
from keras.layers import Activation ,Dropout ,Flatten, Dense
from keras.utils import np_utils
from PIL import Image #画像処理のセット
import tensorflow as tf


def build_model():

    model = Sequential()  # (系列) モデルをシーケンシャルで作成　シーケンシャルモデルは層を積み重ねたもの。

    # 一層目を作成

    model.add(Conv2D(32, (3, 3), padding='same', input_shape=(50,50,3)))  # xtrainの（450,50,50,3）の1以降を取り出す。今まではinput_shape=x.shape[1:]だったが、手動で入力する。
    # #・3 x 3 のサイズの32個のフィルタによる畳み込みを行う➡フィルタは様々な処理でデータを抽出しやすくするものだと思う。https://imagingsolution.net/imaging/filter-algorithm/・入力画像と出力画像サイズが同じになるように（上下左右に）ゼロパディングを行う・X_trainの行列は {画像の個数 x R x G x Bの濃さ} というデータが入っているが、R,G,Bの部分の形状を入力データの形状とする
    # X_train ➡(450,50,50,3)➡（50,50,3）が取り出せる。のデータが入っており、個数以下のデータの取り出しが必要なので、input_shape=X_train[1:]　※2より後ろ　とする。

    model.add(Activation('relu'))  # 活性化関数

    # 二層目

    model.add(Conv2D(32, (3, 3)))
    model.add(Activation('relu'))
    model.add(MaxPool2D(pool_size=(2, 2)))  # MAXプーリング。画像を圧縮することで、計算コストを下げるなどの効果がある。プールサイズを[2x2]のエリアで一番大きい値を取り出す（特徴抽出）
    model.add(Dropout(0.25))  # ドロップアウト関数　ランダムでデータを切り捨て過学習を避ける。

    model.add(Conv2D(64, (3, 3), padding='same'))  # 64個のカーネル（フィルタ）で、畳み込み結果が同じサイズになるようにピクセル左右すに足す指定
    model.add(Activation('relu'))
    model.add(Conv2D(64, (3, 3)))
    model.add(Activation('relu'))
    model.add(MaxPool2D(pool_size=(2, 2)))  # MAXプーリング。画像を圧縮することで、計算コストを下げるなどの効果がある。プールサイズを[2x2]のエリアで一番大きい値を取り出す（特徴抽出）
    model.add(Dropout(0.25))  # ドロップアウト関数　ランダムでデータを切り捨て過学習を避ける。

    model.add(Flatten())
    model.add(Dense(512))  # 全層結合　もとは３だったが・・・よくわからん。
    model.add(Activation('relu'))
    model.add(Dropout(0.5))  # ドロップアウト関数　ランダムでデータを切り捨て過学習を避ける。

    model.add(Dense(5))  # 答えが5つに分かれるので、5だそうだ。
    model.add(Activation('softmax'))

    # 最適化　・・損失関数を一番少なくするための計算

    opt = keras.optimizers.rmsprop(lr=0.0001,
                                   decay=1e-6)  # optimaizer・・トレーニング時の更新アルゴリズム lr・・ラーニングレート　学習率　毎計算の幅 　decay・・学習率を下げる。1e-6　10の何乗か

    model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])
    # optimaizer 最適化アルゴリズム　categorical_crossentropyは交差エントロピー誤差というアルゴリズムを指定しています。　loss 損失関数　metrics・・評価手法

    #model.fit(x, y, batch_size=32, epochs=100)  #トレーニングの実行　今回は必要ない# batch_sizeランダムで取り出す画像数 epoch 実験回数　数を増やすと精度が上がる。マシンが遅い場合は下げてもいい。

    model = load_model('animal_cnn_aug2.h5') #モデルのロード kerasに含まれている

    return model

from django.shortcuts import render
from django.views.generic import ListView,DetailView,CreateView
from django.views.generic import UpdateView
from django.views.generic import DeleteView
from django.urls import reverse_lazy
from .forms import BlogForm,ImageUploadForm
from .models import Blog
from django.contrib import messages
import calendar
from collections import deque
import datetime
from django.views import generic
from django.http import HttpResponseRedirect
import numpy as np
from PIL import Image
from io import BytesIO
import base64
from .lib import predict,build_model

class AnimalView(generic.FormView):
    template_name = 'blog/blog_animal.html'
    form_class = ImageUploadForm


    def form_valid(self, form):
        classes = ["monkey", "boar", "crow", "men", "women"]
        num_classes = len(classes)  # 格納された画像の数を数える。
        image_size = 50  # 画像サイズを小さくする。

        file = form.cleaned_data['file']
        image = Image.open(file)  # なんかうまくいかないので、ここに直接打ち込んだ
        image = image.convert('RGB')
        image = image.resize((image_size, image_size))
        data = np.asarray(image)  # numpyの配列に変換
        X = []
        X.append(data)
        X = np.array(X)
        model = build_model()

        result = model.predict([X])[0]  # 推定結果を得る 予想結果が配列になっている。
        predicted = result.argmax()  # 推定値の中で、最も推定値の大きいものを得る
        percentage = int(result[predicted] * 100)

        # 推論した結果を、テンプレートへ渡して表示
        context = {
            'result': classes[predicted],
            'percentage':percentage
        }

        return render(self.request, 'blog/blog_animal_result.html', context)

Comments

[gh640]

「一度目は上手く予想が表示されるのですが二度目から」というのがどういう操作なのかもう少し具体的に説明されると回答がもらえやすくなると思います。ブラウザでリロードされたということでしょうか？ページを一度閉じて新たなタブで開かれたということですか？

[gh640]

それと `ImageUploadForm` の定義も載せられた方が回答者が状況を理解しやすくなるかと思います。

Answer 1

以下のように編集し、うまく動作するようになりました。

graph = tf.get_default_graph()　⇦追加

class AnimalView(generic.FormView):
    template_name = 'blog/blog_animal.html'
    form_class = ImageUploadForm


    def form_valid(self, form):
        global graph　⇦追加
        with graph.as_default():　⇦追加
            classes = ["monkey", "boar", "crow", "men", "women"]
            num_classes = len(classes)  # 格納された画像の数を数える。
            image_size = 50  # 画像サイズを小さくする。

            file = form.cleaned_data['file']
            image = Image.open(file)  # なんかうまくいかないので、ここに直接打ち込んだ
            image = image.convert('RGB')
            image = image.resize((image_size, image_size))
            data = np.asarray(image)  # numpyの配列に変換
            X = []
            X.append(data)
            X = np.array(X)
            model = build_model()
            result = model.predict([X])[0]  # 推定結果を得る 予想結果が配列になっている。
            predicted = result.argmax()  # 推定値の中で、最も推定値の大きいものを得る
            percentage = int(result[predicted] * 100)

            # 推論した結果を、テンプレートへ渡して表示
            context = {
                'result': classes[predicted],
                'percentage':percentage
            }

            return render(self.request, 'blog/blog_animal_result.html', context)