当我运行文件时，出现了以下错误：

python app.py2023-09-03 22:09:58.412966: I tensorflow/core/platform/cpu_feature_guard.cc:182] This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations.To enable the following instructions: SSE SSE2 SSE3 SSE4.1 SSE4.2 AVX, in other operations, rebuild TensorFlow with the appropriate compiler flags.Traceback (most recent call last):  File "C:\Users\Osama\python enviroment\app.py", line 95, in <module>    model = load_local_model()            ^^^^^^^^^^^^^^^^^^  File "C:\Users\Osama\python enviroment\app.py", line 29, in load_local_model    model = load_model(model_path)            ^^^^^^^^^^^^^^^^^^^^^^  File "C:\Users\Osama\AppData\Local\Programs\Python\Python311\Lib\site-packages\keras\src\saving\saving_api.py", line 238, in load_model    return legacy_sm_saving_lib.load_model(           ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^  File "C:\Users\Osama\AppData\Local\Programs\Python\Python311\Lib\site-packages\keras\src\utils\traceback_utils.py", line 70, in error_handler    raise e.with_traceback(filtered_tb) from None  File "C:\Users\Osama\AppData\Local\Programs\Python\Python311\Lib\site-packages\keras\src\utils\generic_utils.py", line 102, in func_load    code = marshal.loads(raw_code)           ^^^^^^^^^^^^^^^^^^^^^^^ValueError: bad marshal data (unknown type code)

这是完整的代码：

import osimport uuidimport requestsfrom PIL import Imageimport tensorflow as tffrom tensorflow.keras.models import load_modelfrom tensorflow.keras.preprocessing.image import load_img, img_to_arrayfrom flask import Flask, request, jsonifyfrom werkzeug.utils import secure_filenamefrom dotenv import load_dotenvimport jsonload_dotenv()app = Flask(__name__)BASE_DIR = os.path.dirname(os.path.abspath(__file__))model = NoneALLOWED_EXT = {'jpg', 'jpeg', 'png', 'jfif'}classes = ['Meningioma', 'Glioma', 'Pituitary']def allowed_file(filename: str) -> bool:    return '.' in filename and filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTdef load_local_model() -> tf.keras.Model:    model_path = os.path.join(BASE_DIR, 'model.h5')    model = load_model(model_path)    return modeldef predict(filename: str, model) -> tuple[list[str], list[float]]:    img = load_img(filename, target_size=(256, 256))    img = img_to_array(img)    img = img.reshape(1, 256, 256, 3)    img = img.astype('float32')    img = img / 255.0    result = model.predict(img)    dict_result = {}    for i in range(len(classes)):        dict_result[result[0][i]] = classes[i]    res = result[0]    res.sort()    res = res[::-1]    prob = res[:3]    prob_result = []    class_result = []    for i in range(len(prob)):        prob_result.append(round(prob[i] * 100, 3))        class_result.append(dict_result[prob[i]])    return class_result, prob_result@app.route('/predict', methods=['POST'])def predict_image():    if 'file' not in request.files:        return jsonify({'error': 'No file found in the request'})    file = request.files['file']    if file.filename == '':        return jsonify({'error': 'No file selected'})    if file and allowed_file(file.filename):        filename = secure_filename(file.filename)        unique_filename = str(uuid.uuid4())        img_path = os.path.join(            BASE_DIR, 'static/images', unique_filename + '.jpg')        file.save(img_path)        class_result, prob_result = predict(img_path, model)        predictions = {            "class1": class_result[0],            "class2": class_result[1],            "class3": class_result[1],            "prob1": prob_result[0],            "prob2": prob_result[1],            "prob3": prob_result[2],        }        return jsonify(predictions)        return jsonify({'message': 'serve is working'})    else:        return jsonify({'error': 'Invalid file format'})if __name__ == "__main__":    # Load model locally    model = load_local_model()    print("Model loaded.")    app.run(host='0.0.0.0', port=int(os.getenv('PORT', 5000)), debug=False)

如果你想查看文件结构，这里是 GitHub 仓库的链接。

我没有使用 Python 的经验，因为我是一名前端开发者，所以可能代码中有些问题，但我已经尝试了一切：ChatGpt、Bing，当然也花了几个小时在 Stackoverflow 上。

感谢你的时间 ❤️

回答：

问题是由我在 Flask 应用中使用不兼容的版本引起的。以下是我解决它的方法：

1. TensorFlow 版本不匹配：

   • 模型是使用 TensorFlow v2.12.0 训练的，但我安装在 Flask 应用中的是 TensorFlow v2.13.0。
   • 为了解决这个问题，我将 TensorFlow 版本降级到与训练时使用的版本一致。你可以通过运行以下命令来实现：

     pip install tensorflow==2.12.0

2. Python 版本不匹配：

   • 模型是使用 Python v3.10.9 构建的，而我在 Flask 应用中使用的是 Python v3.11.3。
   • 为了确保兼容性，我通过创建虚拟环境并安装 Python v3.10.9 来切换到正确的 Python 版本。以下是步骤：
     • 如果还没有安装 virtualenv，请先安装：

       pip install virtualenv

     • 创建虚拟环境：

       virtualenv myenv

     • 激活虚拟环境：
       • 对于 Windows：

         myenv\Scripts\activate

       • 对于 Linux/macOS：

         source myenv/bin/activate

     • 在虚拟环境中安装 Python v3.10.9：

       pip install python==3.10.9

应用这些更改后，我的 Flask 应用中的 TensorFlow 版本和 Python 版本与模型兼容。这解决了我的问题，希望对你也有帮助。

请注意，确保模型、TensorFlow 和 Python 之间的版本兼容性，以避免将来出现此类问题。