:-O382 2022-04-11 13:15 采纳率: 50%
浏览 82
已结题

把训练好的cifar10数据集的模型并预测好的代码部署在django上,部署之后程序运行出错

我的设想是想要把训练好的cifar10数据集的模型并预测好的代码部署在django上,想通过前端上传图片然后传到后端进行预测,然后再返回前端

问题相关代码,请勿粘贴截图

前端代码

<!-- 主体内容 -->
            <div class="row">
                <br>
                <!-- 图片上传 -->
                <div class="col-md-6">
                    <img id="photoIn" src="{% static 'img/sample.jpg' %}" class="img-responsive">
                    <input type="file" id="photo" name="photo" />
                </div>
                <!-- 运行结果 -->
                <div class="col-md-6">
                    <div class="col-md-12">
                        <textarea id="output" disabled class="form-control" rows="5"
                            style="text-align: left;font: 150px 宋体;border: 0">
                        </textarea>
                    </div>
                    <br>
                    <div class="col-md-12">
                        <p class="text-center h4">识别结果</p>
                    </div>
                </div>
            </div>
            <br>
            <div class="row">
                <div class="text-center">
                    <button type="button" id="recognition" class="btn btn-primary">识别</button>
                </div>
            </div>
        </div>
    </div>
</div>
<script>
    $(function () {
        $('#photo').on('change', function () {
            var r = new FileReader();
            f = document.getElementById('photo').files[0];
            r.readAsDataURL(f);
            r.onload = function (e) {
                document.getElementById('photoIn').src = this.result;
            };
        });
    });
</script>
<!-- 图像发送至后台服务器进行识别 -->
<script>
    $('#recognition').click(function () {
        formdata = new FormData();
        var file = $("#photo")[0].files[0];
        formdata.append("image", file);
        $.ajax({
            url: '/productapp/imgdetect/', // 调用Django服务器计算函数
            type: 'POST', // 请求类型
            data: formdata,
            dataType: 'json', // 期望获得的响应类型为json
            processData: false,
            contentType: false,
            success: ShowResult // 在请求成功之后调用该回调函数输出结果
        })
    })
</script>

<!-- 返回结果显示 -->
<script>
    function ShowResult(data) {
        output.value = data['output'];
    }
</script>
<script>
    document.getElementById("output").style.width="400px";
    document.getElementById("output").style.height="350px";
</script>

后端代码

from django.shortcuts import render


# Create your views here.
def product(request):
    return render(request, 'product.html',{'active_menu': 'about','sub_menu': 'product1',})

def system(request):
    return render(request, 'system.html',{'active_menu': 'about','sub_menu': 'product2',})    


# 人脸识别
import numpy as np  # 矩阵运算
import urllib  # url解析
import json  # json字符串使用
import cv2  # opencv包
import os  # 执行操作系统命令
from django.views.decorators.csrf import csrf_exempt  # 跨站点验证
from django.http import JsonResponse  # json字符串响应
from PIL import Image
import keras.models
import numpy as np
import tensorflow as tf
from keras.preprocessing import image

def read_image(stream=None):
    if stream is not None:
        data_temp = stream.read()
    img = np.asarray(bytearray(data_temp), dtype="uint8")
    img = cv2.imdecode(img, cv2.IMREAD_COLOR)
    return img


face_detector_path = "productapp\\haarcascade_frontalface_default.xml"
face_detector = cv2.CascadeClassifier(face_detector_path)  # 生成人脸检测器

@csrf_exempt  # 用于规避跨站点请求攻击
def facedetect(request):
    result = {}

    if request.method == "POST":  # 规定客户端使用POST上传图片
        if request.FILES.get("image", None) is not None:  # 读取图像
            img = read_image(stream=request.FILES["image"])
        else:
            result.update({
                "#faceNum": -1,
            })
            return JsonResponse(result)

        if img.shape[2] == 3:
            img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 彩色图像转灰度图像

        #进行人脸检测
        values = face_detector.detectMultiScale(img,
                                                scaleFactor=1.1,
                                                minNeighbors=5,
                                                minSize=(30, 30),
                                                flags=cv2.CASCADE_SCALE_IMAGE)

        # 将检测得到的人脸检测关键点坐标封装
        values = [(int(a), int(b), int(a + c), int(b + d))
                  for (a, b, c, d) in values]
        result.update({
            "#faceNum": len(values),
            "faces": values,
        })
    return JsonResponse(result)


import base64


@csrf_exempt
def facedetectDemo(request):
    result = {}

    if request.method == "POST":
        if request.FILES.get('image') is not None:  #
            img = read_image(stream=request.FILES["image"])
        else:
            result.update({ "#faceNum" : -1,})
            return JsonResponse(result)

        if img.shape[2] == 3:
            imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 彩色图像转灰度图像
        else:
            imgGray = img

        #进行人脸检测
        values = face_detector.detectMultiScale(img,
                                           scaleFactor=1.1,
                                           minNeighbors=5,
                                           minSize=(30, 30),
                                           flags=cv2.CASCADE_SCALE_IMAGE)

        #将检测得到的人脸检测关键点坐标封装
        values = [(int(a), int(b), int(a + c), int(b + d))
                  for (a, b, c, d) in values]

        # 将检测框显示在原图上
        for (w, x, y, z) in values:
            cv2.rectangle(img, (w, x), (y, z), (0, 255, 0), 2)

        retval, buffer_img = cv2.imencode('.jpg', img)  # 在内存中编码为jpg格式
        img64 = base64.b64encode(buffer_img)  # base64编码用于网络传输
        img64 = str(img64, encoding='utf-8')  # bytes转换为str类型
        result["img64"] = img64  # json封装
    return JsonResponse(result)
    
@csrf_exempt # 用于规避跨站点请求攻击
def imgdetect(request):
    result = {"code":None}
    if request.method == "POST":  # 规定客户端使用POST上传图片
        if request.FILES.get("image", None) is not None:  # 读取图像
            img = read_image(stream=request.FILES["image"])
        model = keras.models.load_model("E:\demo1\productapp\model.h5")
        classes = ('plane', 'car', 'bird', 'cat','deer', 'dog', 'frog', 'horse', 'ship', 'truck')
        # img=Image.fromarray(cv2.cvtColor(img,cv2.COLOR_BGR2RGB))
        img=image.load_img(img,target_size=(224,224,))
        img_data = image.img_to_array(img)
        img_data = np.expand_dims(img_data, axis=0)
        test_img = img_data / 255  # 此处还需要将0-255转化为0-1
        # test_img = np.expand_dims(test_img, 0)  # 将三维输入图像拓展成四维张量
        pred = model.predict(test_img)  # 预测
        print('预测结果:', end='')
        code=classes[pred.argmax()]
        result.update({"output":code})   
    return JsonResponse(result)
运行结果及报错内容

当我点识别的时候

img


出现了这个错误

img

请问这个要怎么解决呀害

  • 写回答

1条回答 默认 最新

  • hmsy39 2022-04-11 20:12
    关注

    keras.preprocessing.image.load_image(path) 其中 path 是文件路径而不是 image 本身的内容

    最简单的办法:django把图片保存成文件后给 load_image(path) 传入文件路径

    或者用其他API读图像

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论

报告相同问题?

问题事件

  • 系统已结题 4月27日
  • 已采纳回答 4月19日
  • 创建了问题 4月11日

悬赏问题

  • ¥100 需要跳转番茄畅听app的adb命令
  • ¥50 寻找一位有逆向游戏盾sdk 应用程序经验的技术
  • ¥15 请问有用MZmine处理 “Waters SYNAPT G2-Si QTOF质谱仪在MSE模式下采集的非靶向数据” 的分析教程吗
  • ¥50 opencv4nodejs 如何安装
  • ¥15 adb push异常 adb: error: 1409-byte write failed: Invalid argument
  • ¥15 nginx反向代理获取ip,java获取真实ip
  • ¥15 eda:门禁系统设计
  • ¥50 如何使用js去调用vscode-js-debugger的方法去调试网页
  • ¥15 376.1电表主站通信协议下发指令全被否认问题
  • ¥15 物体双站RCS和其组成阵列后的双站RCS关系验证