我尝试使用两个不同的模型来预测类别。这些模型是通过.json和.h5文件保存和加载的。

我遇到的问题是，有50%的时间一切正常运行，两个模型都能正确创建并进行预测。

但另一半时间似乎在创建模型时出现了问题，因为当我尝试进行预测时，会出现如下错误：

InvalidArgumentError: You must feed a value for placeholder tensor 'input_1_1' with dtype float and shape [?,10693] [[{{node input_1_1}} = Placeholder[dtype=DT_FLOAT, shape=[?,10693], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

如果分别运行这两个模型，或者不同时运行它们，效果非常完美，没有任何问题。

经过一些谷歌搜索，我发现Keras会保持模型的全局图，这可能是导致错误的原因。我觉得我已经尝试了网上找到的大多数建议，但仍然无法解决在程序中同时使用两个不同模型的问题。

所以，根据给定的参数，我希望能够使用model1或model2进行预测：

def predict_using_cnn(text, model, tokenizer, to_predict):
    if to_predict == 'functiegroep':
        with graph.as_default():
            sequences_test = tokenizer.texts_to_sequences([text])
            X_test = pad_sequences(sequences_test, maxlen=6616)  # TODO fix this hardcoded thingy
            y_pred = model.predict(X_test)
        return build_response(y_pred, to_predict)
    elif to_predict == 'kernfunctie':
        with graph.as_default():
            sequences_test = tokenizer.texts_to_sequences([text])
            X_test = pad_sequences(sequences_test, maxlen=10693)  # TODO fix this hardcoded thingy
            y_pred = model.predict(X_test)
        return build_response(y_pred, to_predict)

有时程序会进入第一个if语句，认为它需要10693的输入，这是另一个模型的输入。因此，程序似乎会随机混淆这些内容。

两个模型都是使用相同的函数加载的（当然，它们被保存到两个不同的变量中）

def load_cnn_model(model_name):
    print("loading" + str(model_name))
    json_file = open(str(model_name) + '.json', 'r')
    loaded_model_json = json_file.read()
    json_file.close()
    model = model_from_json(loaded_model_json)
    model.load_weights(str(model_name) + '.h5')
    return model

任何能帮助我解决这个问题的建议都将非常受欢迎！

回答：

最终我通过以下方式解决了这个问题：

graph = tf.Graph()
with graph.as_default():
    session = tf.Session()
    with session.as_default():
        graph_fg = graph
        session_fg = session
        cnn_fg_model = predict.load_cnn_model('models/cnn/new_model_fg/new_model_fg')
with graph.as_default():
    session = tf.Session()
    with session.as_default():
        graph_kf = graph
        session_kf = session
        cnn_kf_model = predict.load_cnn_model('models/cnn/new_model_kf/new_model_kf')
with graph.as_default():
    with session.as_default():
        if to_predict == 'functiegroep':
            sequences_test = tokenizer.texts_to_sequences([text])
            X_test = pad_sequences(sequences_test, maxlen=6616)  # TODO fix this hardcoded thingy
            y_pred = model.predict(X_test)
            return build_response_cnn(y_pred, to_predict)
        elif to_predict == 'kernfunctie':
            sequences_test = tokenizer.texts_to_sequences([text])
            X_test = pad_sequences(sequences_test, maxlen=10693)  # TODO fix this hardcoded thingy
            y_pred = model.predict(X_test)
            return build_response_cnn(y_pred, to_predict)