質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
87.20%
Flask

FlaskはPython用のマイクロフレームワークであり、Werkzeug・Jinja 2・good intentionsをベースにしています。

JSON

JSON(JavaScript Object Notation)は軽量なデータ記述言語の1つである。構文はJavaScriptをベースとしていますが、JavaScriptに限定されたものではなく、様々なソフトウェアやプログラミング言語間におけるデータの受け渡しが行えるように設計されています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

解決済

Flaskでの、ValueError: signal only works in main thread が解決できない

shin_shin
shin_shin

総合スコア0

Flask

FlaskはPython用のマイクロフレームワークであり、Werkzeug・Jinja 2・good intentionsをベースにしています。

JSON

JSON(JavaScript Object Notation)は軽量なデータ記述言語の1つである。構文はJavaScriptをベースとしていますが、JavaScriptに限定されたものではなく、様々なソフトウェアやプログラミング言語間におけるデータの受け渡しが行えるように設計されています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。

2回答

0評価

0クリップ

76閲覧

投稿2020/12/18 08:39

編集2022/01/12 10:58

掲題の通り、"ValueError: signal only works in main thread"が解決できずにいます。
下記に、「発生しているエラー内容の詳細 & 試したこと」と、「実現したいこと」をそれぞれ記載いたします。

【発生しているエラーの詳細 & 試したこと】
下記の、試したことの参照先で提案されている解決方法を、色々試しましたが、うまくいきませんでした。
エラーの本質は、「Jumanというライブラリをmain threadで実行して」ということなのでしょうか?

試したことの参照先

エラーの原文
エラーの詳細1
エラーの詳細_続き

【実現したいこと】
クラインアントサーバーから、インプット(json型)をもらったら、
そのインプットを、preprocess_exeで処理して、outputを返す。
下記に必要なコードを共有いたします。

flask実行ファイル

python

from flask import Flask, jsonify from kyodai_bert_embedding import BertWithJumanModel app = Flask(__name__) # 前処理を実行する関数の定義 def preprocess_exe(text): # BERTのインスタンス化 bert = BertWithJumanModel('./Japanese_L-12_H-768_A-12_E-30_BPE') # Word Embeddingの取得 bert_vec = bert.get_sentence_embedding(text) return bert_vec.reshape(-1, 1) @app.route("/test") def test(): # クライアントサーバーから、インプットが送られてきたテイ json_ = {"input": "これは、テストです"} # インプットを処理して、分散表現(1×768)を返す word_embed = preprocess_exe(json_["input"]) output = jsonify({"output_shape": word_embed.shape}) return output if __name__=="__main__": app.run(debug=True, port=11111)

上記コードを実行する際に、インポートした自前のクラス(参考:https://recruit.cct-inc.co.jp/tecblog/machine-learning/bert/
)

python

""" 参考にしたサイト: https://recruit.cct-inc.co.jp/tecblog/machine-learning/bert/ """ # Kyodai BERTで必要なライブラリ from pathlib import Path import numpy as np import torch from pytorch_pretrained_bert import BertTokenizer, BertModel from pyknp import Juman ### BERT分散表現に変換するためのクラス群 (下記、2つ) ### class JumanTokenizer(): def __init__(self): self.juman = Juman() def tokenize(self, text): result = self.juman.analysis(text) return [mrph.midasi for mrph in result.mrph_list()] class BertWithJumanModel(): def __init__(self, bert_path, vocab_file_name="vocab.txt", use_cuda=False): self.juman_tokenizer = JumanTokenizer() self.model = BertModel.from_pretrained(bert_path) self.bert_tokenizer = BertTokenizer(Path(bert_path) / vocab_file_name, do_lower_case=False, do_basic_tokenize=False) self.use_cuda = use_cuda def _preprocess_text(self, text): return text.replace(" ", "") # for Juman def get_sentence_embedding(self, text, pooling_layer=-2, pooling_strategy="REDUCE_MEAN"): preprocessed_text = self._preprocess_text(text) tokens = self.juman_tokenizer.tokenize(preprocessed_text) bert_tokens = self.bert_tokenizer.tokenize(" ".join(tokens)) ids = self.bert_tokenizer.convert_tokens_to_ids(["[CLS]"] + bert_tokens[:126] + ["[SEP]"]) # max_seq_len-2 tokens_tensor = torch.tensor(ids).reshape(1, -1) if self.use_cuda: tokens_tensor = tokens_tensor.to('cuda') self.model.to('cuda') self.model.eval() with torch.no_grad(): all_encoder_layers, _ = self.model(tokens_tensor) embedding = all_encoder_layers[pooling_layer].cpu().numpy()[0] if pooling_strategy == "REDUCE_MEAN": return np.mean(embedding, axis=0) elif pooling_strategy == "REDUCE_MAX": return np.max(embedding, axis=0) elif pooling_strategy == "REDUCE_MEAN_MAX": return np.r_[np.max(embedding, axis=0), np.mean(embedding, axis=0)] elif pooling_strategy == "CLS_TOKEN": return embedding[0] else: raise ValueError("specify valid pooling_strategy: {REDUCE_MEAN, REDUCE_MAX, REDUCE_MEAN_MAX, CLS_TOKEN}")

もう、一週間このエラーに悩まされていて、藁にもすがる思いです。
解決方法をご教示していただけると、幸いでございます。

よろしくお願いいたします。

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

argparse
argparse

2020/12/21 02:50

具体的に何を試されて、どのような結果が得られたのでしょうか? Flask の built-in server を threading 無しで動作させたければ、 `app\.run\(\)` に `use_reloader=False, threaded=False` を指定する必要が有るように思います。
shin_shin
shin_shin

2020/12/21 13:53

ありがとうございます!! `app\.run\(\)` に `use_reloader=False, threaded=False`で解決いたしました!!!!!!!
argparse
argparse

2020/12/21 15:51

それで問題がないようであれば、自己解決による質問のクローズを御願い致します。

まだ回答がついていません

会員登録して回答してみよう

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
87.20%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

Flask

FlaskはPython用のマイクロフレームワークであり、Werkzeug・Jinja 2・good intentionsをベースにしています。

JSON

JSON(JavaScript Object Notation)は軽量なデータ記述言語の1つである。構文はJavaScriptをベースとしていますが、JavaScriptに限定されたものではなく、様々なソフトウェアやプログラミング言語間におけるデータの受け渡しが行えるように設計されています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

自然言語処理

自然言語処理は、日常的に使用される自然言語をコンピューターに処理させる技術やソフトウェアの総称です。