djangoでkerasを使ったAIアプリを開発する際の注意点

こんにちは。sinyです。

この記事では、djangoでkerasを使ったAIアプリを開発する際によく遭遇する問題点まとめてみました。

計算グラフのリセット忘れ

JupterNotebookでモデルをロード、学習、推論を行っているようなケースでは何も問題がないのに、Django等でWEBアプリケーション化した場合に、突如以下のようなエラーが発生するケースがよくあります。

よくあるのが、WEB画面から推論処理の初回実行時は問題がないのに、同じ処理を再実行した場合に上記エラーが発生するといったケースがあります。

これは、古いTFグラフ（計算グラフ）情報が残ってしまっていることで発生するエラーです。

keras.backend.clear_session()

現在のTFグラフを壊し，新たなものを作成します．
古いモデル/レイヤが散らかってしまうを避けるのに役立ちます．

clear_session

JupterNotebookのように1つのファイル内で処理が完結している場合は問題になりませんが、Djangoで複数モジュール間を行き来してModel情報をやり取りする場合に以下のエラーが発生するケースがよくあります。

具体例で、解決方法を簡単に解説します。

【utils.py内に定義されているモデルロード関数と推論関数をview側で実行する場合】

■views.py

from .utils import ScreenShot


def test(request):
    ss = ScreenShot() #インスタンス生成
    loaded_model = ss.load_model()  #学習モデルのロード
    predicted = ss.predict_model(loaded_model,photo, sequences) #予測値の取得

ss.load_model()でutils.pyで定義されたScreenShotクラスのload_modelメソッドをCALLしてKerasのモデルをロードしています。
さらに、ロードされたモデル（loaded_model）を使い、utils.py側に定義されたss.predict_modelメソッドを実行し推論結果を取得するような処理になっています。

■utils.py

class ScreenShot():

    def load_model(self):
        json_file = open(settings.BASE_DIR + r"\app1\model\model.json", 'r')
        loaded_model_json = json_file.read()
        json_file.close()
        loaded_model = model_from_json(loaded_model_json)
        loaded_model.load_weights(settings.BASE_DIR + r"\app1\model\weights.h5")
        return loaded_model


    def evaluate_model(self, model, photo, sequence):
        predicted = model.predict([photo, sequence])
        return predicted

上記のように複数のモジュールファイル（views.py⇔utils.py)間でモデル情報をやり取りする場合、このまま実行すると以下のようなエラーが発生します。

理由は、「TFグラフ情報が共有されていないため」です。

TFグラフを共有するには、以下のような処理を加えてあげればOKです。

先に記載したviews.pyとutils.pyでTFグラフを共有するようにした場合のコードを以下に記載します。

■views.py

from .utils import ScreenShot


def test(request):
    ss = ScreenShot() #インスタンス生成
    loaded_model,graph = ss.load_model()  #学習モデルのロード（修正）
    predicted = ss.predict_model(loaded_model,photo, sequences,graph) #予測値の取得（修正）

■utils.py

class ScreenShot():

    def load_model(self):
        json_file = open(settings.BASE_DIR + r"\app1\model\model.json", 'r')
        loaded_model_json = json_file.read()
        json_file.close()
        loaded_model = model_from_json(loaded_model_json)
        loaded_model.load_weights(settings.BASE_DIR + r"\app1\model\weights.h5")
        graph = tf.get_default_graph()  #追加
        return loaded_model, graph  #追加


    def evaluate_model(self, model, photo, sequence, graph):　#修正
        with graph.as_default():  #追加
            predicted = model.predict([photo, sequence])
            return predicted

上記のようにロードしたモデルの計算グラフ情報tf.get_default_graph() を変数graphに格納して、引数として受け渡ししてあげます。

計算グラフを利用する場合は、with graph.as_default(): のようにwith句を使ってモデルの予測を実行すればOKです。

以上、djangoでkerasを使ったAIアプリを開発する際によく遭遇する問題点のまとめでした。

追記情報があれば、随時アップデートしていきます。