python预测工程打包遇到的一些问题

1.版本匹配问题

我们的服务器版本是centOS7，所以相对应的一些其他的依赖包版本如下：

包	版本
python环境	3.6
tensorflow	1.5.0
keras	2.1.6
h5py	2.10.0
sklearn	0.24.2
numpy	1.19.5
flask	2.0.1
pip	21.2.4

版本不匹配会报一些问题，比如：

1)

import tensorflow.python as tf
AttributeError: module 'tensorflow' has no attribute 'python'。

另外上面这个问题发生后，我们尽量不要用tensorflow.python点的这种方式来引用包，比如要用backend，就写成如下两行：

from tensorflow import keras
from keras import backend

2)

Traceback (most recent call last):
  File "webapi.py", line 40, in <module>
  File "keras/models.py", line 768, in load_weights
  File "keras/engine/topology.py", line 3339, in load_weights_from_hdf5_group
AttributeError: 'str' object has no attribute 'decode'
[17766] Failed to execute script 'HFwebapi' due to unhandled exception!

这是keras生成的h5模型，在调用load模型时，发生的报错。
solution：
这是h5py模块的版本不匹配，改为2.10.0即可解决（先卸载当前的版本，我的是3.1.0，然后再安装）。

2.打包spec修改

因为我需要把配置文件夹、生成的模型文件、日志文件夹生成到打包后的文件夹中，所以，需要修改spec文件。

a = Analysis(['webapi.py'],
             pathex=['/home/Downloads/20211101'],
             binaries=[('./conf','conf'),('./saved_models','saved_models'),('./Logs','Logs'),
		],
             datas=[],
             hiddenimports=[],
             hookspath=[],
             hooksconfig={
     },
             runtime_hooks=[],
             excludes=[],
             win_no_prefer_redirects=False,
             win_private_assemblies=False,
             cipher=block_cipher,
             noarchive=False)

如上面所示，要把指定的文件夹生成到指定的目录中去，在binaries中添加即可。
改完spec以后，每次的打包需要记得由

pyinstaller -D webapi.py

改为

pyinstaller -D webapi.spec

3.加载模型遇到的问题

File "/apps/webapi/tensorflow/python/framework/ops.py", line 3402, in _as_graph_element_locked
    
ValueError: Tensor Tensor("dense_9/BiasAdd:0", shape=(?, 1), dtype=float32) is not an element of this graph.

参考：
https://www.jianshu.com/p/c84ae0527a3f
https://www.cnblogs.com/yanjj/p/8242595.html
这个问题是在调用h5模型时产生的。
solution ：
在初始化加载模型之后，就随便生成一个向量让 model 执行一次 predict 函数，之后再使用就不会有问题了。
load_model后，加一句：

model.predict(np.zeros((1,50,29)))

如上修改后，再打包运行会发现接口可以成功调用一次，第二次就又失败了。
这个问题，下面的blog描述了解决方法：
https://blog.csdn.net/selfimpro_001/article/details/99693273
session是tensorflow中常见的会话。
clear_session: destroys the current TF graph and creates a new one. Useful to avoid clutter from old models/layers.
TF graph函数，可以通过tensorboard用图形化界面展示出来流程结构，可以整合一段代码为一个整体存在于一个图中。
如果不添加clear_session()，每次加载模型，graph上的node就会越来越多，最终导致时间、内存问题。