ValueError: Tensor Tensor ("dens_1 / Sigmoid: 0", shape = (?, 1), dtype = float32) не является элементом этого графа - PullRequest
Новая
       15

ValueError: Tensor Tensor ("dens_1 / Sigmoid: 0", shape = (?, 1), dtype = float32) не является элементом этого графа

0 голосов
/ 09 июня 2019

Я использую tf.keras для загрузки модели, которую я сделал ранее, с помощью tf.keras, но когда я пытаюсь сделать прогноз, я просто получаю это 

[ERROR] [1560045312.143498]: bad callback: <function callback at 0x7f16fe94b8c0>
Traceback (most recent call last):
  File "/opt/ros/kinetic/lib64/python2.7/site-packages/rospy/topics.py", line 750, in _invoke_callback
    cb(msg)
  File "/home/franky/catkin_ws_kinetic/src/tfm/scripts/nnet_predictor.py", line 50, in callback
    true_face.eyes[1].height
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/keras/engine/training.py", line 1113, in predict
    self, x, batch_size=batch_size, verbose=verbose, steps=steps)
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/keras/engine/training_arrays.py", line 195, in model_iteration
    f = _make_execution_function(model, mode)
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/keras/engine/training_arrays.py", line 122, in _make_execution_function
    return model._make_execution_function(mode)
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/keras/engine/training.py", line 1989, in _make_execution_function
    self._make_predict_function()
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/keras/engine/training.py", line 1979, in _make_predict_function
    **kwargs)
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/keras/backend.py", line 3201, in function
    return GraphExecutionFunction(inputs, outputs, updates=updates, **kwargs)
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/keras/backend.py", line 2939, in __init__
    with ops.control_dependencies(self.outputs):
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/framework/ops.py", line 5028, in control_dependencies
    return get_default_graph().control_dependencies(control_inputs)
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/framework/ops.py", line 4528, in control_dependencies
    c = self.as_graph_element(c)
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/framework/ops.py", line 3478, in as_graph_element
    return self._as_graph_element_locked(obj, allow_tensor, allow_operation)
  File "/usr/lib64/python2.7/site-packages/tensorflow/python/framework/ops.py", line 3557, in _as_graph_element_locked
    raise ValueError("Tensor %s is not an element of this graph." % obj)
ValueError: Tensor Tensor("dense_1/Sigmoid:0", shape=(?, 1), dtype=float32) is not an element of this graph.

Я также могу сказать, что я использую это в среде ros (операционная система робота [это не операционная система, просто супер вводящее в заблуждение имя, я в Linux]), поэтому я знаю, что callback () вызывается в потоке, и я не могу избежать использования ro.

Также я проверил, что если я использую функцию прогнозирования в главном потоке, все работает нормально.

Я уже пробовал решения with graph.as_default(): и clear_session(), но не повезло.

Я уже проверил, что каждый импорт производится из tf.keras, и я не смешиваю tf.keras с keras

Я также пытался использовать Lock (), чтобы избежать одновременного вызова функции предсказания () 2+ 

#!/usr/bin/python2
from tensorflow import keras
from tensorflow.keras.models import model_from_json
from tfm_msgs.msg import IsLooking
import numpy as np
from tensorflow.keras.backend import clear_session
import tensorflow as tf
from threading import Thread, Lock
# other non relevant imports

def callback(face_array_stamped):
    global mutex
    mutex.acquire()
    try:
        global graph
        # with graph.as_default():
        global my_model
        global pub
        true_faces = []
        for face in face_array_stamped.faces:
            if len(face.eyes) == 2:
                true_faces.append(face)
        if len(true_faces) == 1:
            true_face = true_faces[0]
            prediction = my_model.predict(np.array([[
                #all the data here
                                        ]]))[0]
            #↑↑↑↑↑It crashes here↑↑↑↑↑↑
            #more non relevant stuff
    finally:
        mutex.release()

if __name__ == '__main__':
    # clear_session()
    model_dir = str(os.path.dirname(os.path.abspath(__file__))) + "/../nnet_models/"
    json_file = open(model_dir+'model.json', 'r')
    my_model = model_from_json(json_file.read())
    json_file.close()
    my_model.load_weights(model_dir+'model.h5')
    # my_model._make_predict_function()
    my_model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    # my_model.summary()

Я ожидал бы, что код не вылетит

Ответы [ 2 ]

0 голосов
/ 09 июня 2019

В конце концов, я не мог понять, что происходит, я не знаю, из-за того ли это, как работает ros, но в итоге я использовал решение на Выполнение функции Python в потоке Main из вызова в потоке Dummy поэтому мой код закончился так: 

callback_queue = Queue.Queue()


def prediction_callback(true_face, face_header):
    #non relevant stuff
    prediction = my_model.predict(np.array([[
        #all the variables
        ]])
    #more non relevant stuff


def face_callback(face_array_stamped): #this is the original callback
    #...
    callback_queue.put(lambda: prediction_callback(true_face, face_array_stamped.header))
    #...


if __name__ == '__main__':
    #...
    while not rospy.is_shutdown():
        try:
            callback_queue.get(True, 2)()
        except Queue.Empty:
            pass
0 голосов
/ 09 июня 2019

Я думаю, вы должны добавить graph = tf.get_default_graph() и with graph.as_default():

Как насчет этого? 

from tensorflow import keras
from tensorflow.keras.models import model_from_json
from tfm_msgs.msg import IsLooking
import numpy as np
from tensorflow.keras.backend import clear_session
import tensorflow as tf
from threading import Thread, Lock
# other non relevant imports


graph = tf.get_default_graph()


def callback(face_array_stamped):
    global mutex
    mutex.acquire()
    try:
        global my_model
        global pub
        true_faces = []
        for face in face_array_stamped.faces:
            if len(face.eyes) == 2:
                true_faces.append(face)
        if len(true_faces) == 1:
            true_face = true_faces[0]
            with graph.as_default():
                prediction = my_model.predict(np.array([[
                #all the data here
                                        ]]))[0]
            #↑↑↑↑↑It crashes here↑↑↑↑↑↑
            #more non relevant stuff
    finally:
        mutex.release()

if __name__ == '__main__':
    # clear_session()
    model_dir = str(os.path.dirname(os.path.abspath(__file__))) + "/../nnet_models/"
    json_file = open(model_dir+'model.json', 'r')
    my_model = model_from_json(json_file.read())
    json_file.close()
    my_model.load_weights(model_dir+'model.h5')
    # my_model._make_predict_function()
    my_model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    # my_model.summary()
...