常連

注目の的

質問力

Expressを使用したソケット通信に悩んでいます。

routes直下にあるindex.jsで取得したパラメータをbin直下のwwwに送信？する方法がわかりません…

```js
//index.js
// /?uuid=1というパラメータを取得↓
var express = require('express');
var router = express.Router();

router.get('/', function(req, res, next) {
  res.render('index', { title: 'Express' });
  socket.emit("getQaData", {"number":req.query.uuid,});
});

module.exports = router;
```
```js
///www
var app = require('../app');
var debug = require('debug')('aspen:server');
var http = require('http');
var fs = require('fs');

var server = http.createServer(app);
server.listen(port);
server.on('error', onError);
server.on('listening', onListening);

io = require('socket.io').listen(server);
io.sockets.on('connection', function(socket) {

    socket.on('getQaData', function(data) {
        io.sockets.emit('confirm', {
          "number":req.number,
        });
    });

});
```

現状、これではindex.jsからwwwへのパラメータ受け渡しはできず、どうしたものかと悩んでいます…「uuid=1」というパラメータをグローバル変数化すれば行けると思うですがやり方がわからず…

【Express】index.jsで取得したパラメータをwwwに送信したい【socket.io】

flask+keras+tensorflowのwebアプリをherokuにデプロイした際に、「R14 - Memory Quota Exceeded」エラーしたため、その解決方法を教えていただきたく、質問しました。
### 前提・実現したいこと

flask+keras+tensorflowで学習済みモデルをload_moduleし、アップロードした画像の判別をするwebアプリを実装していました。

webアプリ:[https://tongue-classify.herokuapp.com](https://tongue-classify.herokuapp.com)


ローカル環境ならびにデプロイしたアプリはPC上では正常に作動しました。が、スマホで作動させた場合に下記のようなR14エラーが発生してしまいます。

R14エラーがdynoメモリ不足によって起こると知ったため、何らかの方法でメモリ使用量を削減し、herokuの無料プラン内で作動させたいと思いました。


### 発生している問題・エラーメッセージ

```
$ heroku logs --tail

2019-10-10T10:07:32.591876+00:00 heroku[web.1]: Process running mem=534M(104.3%)
2019-10-10T10:07:32.593706+00:00 heroku[web.1]: Error R14 (Memory quota exceeded)
2019-10-10T10:08:36.672094+00:00 heroku[web.1]: source=web.1 dyno=heroku.148920410.8ea5bc70-23aa-4b88-99c4-f7fd91b197a9 sample#load_avg_1m=0.34
2019-10-10T10:08:36.688775+00:00 heroku[web.1]: source=web.1 dyno=heroku.148920410.8ea5bc70-23aa-4b88-99c4-f7fd91b197a9 sample#memory_total=509.29MB sample#memory_rss=479.70MB sample#memory_cache=0.05MB sample#memory_swap=29.54MB sample#memory_pgpgin=323173pages sample#memory_pgpgout=204444pages sample#memory_quota=512.00MB
2019-10-10T10:08:42.477268+00:00 heroku[router]: at=info method=POST path="/predict" host=tongue-classify.herokuapp.com request_id=b05077d4-d660-49af-82db-9e84bffe02dd fwd="125.200.127.226" dyno=web.1 connect=0ms service=2820ms status=500 bytes=455 protocol=https
```

### 該当のソースコード

```python
import os
from flask import Flask, flash, request, redirect, url_for, render_template
from werkzeug.utils import secure_filename

from keras.models import Sequential, load_model
import keras, sys
import numpy as np
from PIL import Image
import keras.backend as K
import tensorflow as tf


config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
K.set_session(sess)


class_1 = "1です。"
class_content_1 = "舌苔はほとんどついておらず、かなり綺麗な状態かと思われます。"
classes_solution_1 = "これまでと同様に、口腔ケアを頑張っていきましょう。注意点として、舌磨きのやりすぎは舌を傷つけるだけでなく舌苔の付着量増加にもつながるため、１日１回を限度に優しく行うようにしましょう。"

class_2 = "2です。"
class_content_2 = "舌の汚れはあまり気にする必要はないでしょう。"
classes_solution_2 = "舌苔は口臭の原因にもなるため、ああああああああああああああああああああああああああああああああああああああああああああああああああああ。"

class_3 = "3です。"
class_content_3 = "舌に汚れが若干多くついているかもしれません。舌苔（舌の汚れ）は口臭の原因にもなるため、普段の歯磨きに加え、舌を掃除することが望ましいでしょう。"
classes_solution_3 = "舌苔の掃除法としてはガーゼや舌ブラシを用いて、舌の表面を奥から手前に優しくこするようにして行ってください。1日1回を限度に行いましょう。"

classes = [class_1,class_2,class_3]
classes_content = [class_content_1, class_content_2, class_content_3]
classes_solution = [classes_solution_1, classes_solution_2, classes_solution_3]

num_classes = len(classes)
image_size = 50

UPLOAD_FOLDER = './uploads'
ALLOWED_EXTENSIOS = set(['png', 'jpg', 'gif'])

app = Flask(__name__)
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER



model = load_model('./tongue_cnn_aug.h5')
graph = tf.get_default_graph()



def allowed_file(filename):
    #もし.が含まれたる　かつ　もし拡張子前の.で区切り、拡張子小文字小文字であれば　true
    return '.' in filename and filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTENSIOS

# @app.route('/', methods=['GET', 'POST'])
@app.route('/')
def upload_file():
        return render_template('test.html')

@app.route('/predict',methods=['GET', 'POST'])
def predict_file():
    global graph
    with graph.as_default():
        if request.method == 'POST':
            if 'file' not in request.files:
                flash('ファイルがありません')
                return redirect(request.url)
            file = request.files['file']  #ここがよくワカンねぇな
            # if user does not selectfile, browser also
            #submit an empty part without filename
            if file.filename == '':
                flash('ファイルがありません')
                return redirect(request.url)
            if file and allowed_file(file.filename):
                filename = secure_filename(file.filename)
                file.save(os.path.join(app.config['UPLOAD_FOLDER'], filename))
                filepath = os.path.join(app.config['UPLOAD_FOLDER'], filename)

                image = Image.open(filepath)
                image = image.convert('RGB')
                image = image.resize((image_size, image_size))
                data = np.asarray(image)
                X = []
                X.append(data)
                X = np.array(X)

                #model = load_model('./tongue_cnn_aug.h5')

                result = model.predict([X])[0]
                predicted = result.argmax()
                percentage = int(result[predicted] * 100)
                #K.clear_session()
                result_title = ""
                result_content=""
                result_solution=""


                # return render_template('predict.html', result = classes[predicted], result_content = classes_content[predicted], result_solution = classes_solution[predicted], result_title="解析結果")
                return render_template('predict.html', result = classes[predicted], result_content = classes_content[predicted], result_solution = classes_solution[predicted], result_title="解析結果",img_name=file.filename)

from flask import send_from_directory

@app.route('/uploads/<filename>')
def uploaded_file(filename):
    return send_from_directory(app.config['UPLOAD_FOLDER'], filename)


```

### 試したこと

[Qiita--KerasでGPUメモリの使用量を抑える方法](https://qiita.com/namakemono/items/12ad8a9f6d0561929056)

を参考にkerasのメモリを制限しようと試みたものの、エラーは消えませんでした。

###追記

メモリの使用量
```
Line #    Mem usage    Increment   Line Contents
================================================
    51    332.6 MiB    332.6 MiB   @app.route('/')
    52                             @profile
    53                             def upload_file():
    54    332.8 MiB      0.2 MiB           return render_template('test.html')


127.0.0.1 - - [12/Oct/2019 17:15:04] "GET / HTTP/1.1" 200 -
I1012 17:15:04.182286 123145472167936 _internal.py:122] 127.0.0.1 - - [12/Oct/2019 17:15:04] "GET / HTTP/1.1" 200 -
Filename: /Users/yuya/PycharmProjects/tongue/predict_web.py

Line #    Mem usage    Increment   Line Contents
================================================
    58    332.8 MiB    332.8 MiB   @app.route('/predict',methods=['GET', 'POST'])
    59                             @profile
    60                             def predict_file():
    61                                 global graph
    62    332.8 MiB      0.0 MiB       with graph.as_default():
    63    332.8 MiB      0.0 MiB           if request.method == 'POST':
    64    332.8 MiB      0.0 MiB               if 'file' not in request.files:
    65                                             flash('ファイルがありません')
    66                                             return redirect(request.url)
    67    332.8 MiB      0.0 MiB               file = request.files['file']  #ここがよくワカンねぇな
    68                                         # if user does not selectfile, browser also
    69                                         #submit an empty part without filename
    70    332.8 MiB      0.0 MiB               if file.filename == '':
    71                                             flash('ファイルがありません')
    72                                             return redirect(request.url)
    73    332.8 MiB      0.0 MiB               if file and allowed_file(file.filename):
    74    332.8 MiB      0.0 MiB                   filename = secure_filename(file.filename)
    75    332.8 MiB      0.0 MiB                   file.save(os.path.join(app.config['UPLOAD_FOLDER'], filename))
    76    332.8 MiB      0.0 MiB                   filepath = os.path.join(app.config['UPLOAD_FOLDER'], filename)
    77                             
    78    333.2 MiB      0.4 MiB                   image = Image.open(filepath)
    79    337.9 MiB      4.7 MiB                   image = image.convert('RGB')
    80    337.9 MiB      0.0 MiB                   image = image.resize((image_size, image_size))
    81    337.9 MiB      0.0 MiB                   data = np.asarray(image)
    82    337.9 MiB      0.0 MiB                   X = []
    83    337.9 MiB      0.0 MiB                   X.append(data)
    84    337.9 MiB      0.0 MiB                   X = np.array(X)
    85                             
    86                                             #model = load_model('./tongue_cnn_aug.h5')
    87                             
    88    341.7 MiB      3.8 MiB                   result = model.predict([X])[0]
    89    341.7 MiB      0.0 MiB                   predicted = result.argmax()
    90    341.7 MiB      0.0 MiB                   percentage = int(result[predicted] * 100)
    91                                             #K.clear_session()
    92    341.7 MiB      0.0 MiB                   result_title = ""
    93    341.7 MiB      0.0 MiB                   result_content=""
    94    341.7 MiB      0.0 MiB                   result_solution=""
    95                             
    96                             
    97                                             # return render_template('predict.html', result = classes[predicted], result_content = classes_content[predicted], result_solution = classes_solution[predicted], result_title="解析結果")
    98    341.8 MiB      0.1 MiB                   return render_template('predict.html', result = classes[predicted], result_content = classes_content[predicted], result_solution = classes_solution[predicted], result_title="解析結果",img_name=file.filename)
```

学習済みモデルがどれぐらいメモリを使用しているのかの確認方法が調べても分かりませんでしたので、memory_profilerを使って各行のメモリ使用量を確認してみました。

load_moduleした学習モデル「tongue_cnn_aug.h5」のメモリ使用料の確認方法も教えていただけたらと思います。

訂正依頼でgpuについての言及がありましたが、gpuと当プログラムの関係はなかったものの、もしかしたらメモリが減るのでは？と思い試してみました。