我正在使用 TensorFlow 和 Python 构建聊天机器人,并且遇到运行时错误,提示“尝试使用封闭的会话”。我该如何解决这个问题?
这就是我的聊天机器人应该做的事情:它从包含意图列表的 JSON 文件中读取数据,然后使用 TFLearn 训练神经网络模型。然后,该模型用于预测用户输入的意图并以适当的消息进行响应。
这是我正在使用的代码:
import nltk
nltk.download('punkt')
from nltk.stem.lancaster import LancasterStemmer
stemmer = LancasterStemmer()
from tensorflow.python.framework import ops
import numpy
import tensorflow as tf
import tflearn
import random
import json
import pickle
from time import sleep
with open("intents.json") as file:
data = json.load(file)
try:
with open("data.pickle", "rb") as f:
words, labels, training, output = pickle.load(f)
except:
words = []
labels = []
docs_x = []
docs_y = []
for intent in data ["intents"]:
for pattern in intent["patterns"]:
wrds = nltk.word_tokenize(pattern)
words.extend(wrds)
docs_x.append(wrds)
docs_y.append(intent["tag"])
if intent["tag"] not in labels:
labels.append(intent["tag"])
words = [stemmer.stem(w.lower()) for w in words if w != "?"]
words = sorted(list(set(words)))
labels = sorted(labels)
training = []
output = []
out_empty = [0 for _ in range(len(labels))]
for x, doc in enumerate(docs_x):
bag = []
wrds = [stemmer.stem(w) for w in doc]
for w in words:
if w in wrds:
bag.append(1)
else:
bag.append(0)
output_row = out_empty[:]
output_row[labels.index(docs_y[x])] = 1
training.append(bag)
output.append(output_row)
training = numpy.array(training)
output = numpy.array(output)
with open("data.pickle", "wb") as f:
pickle.dump((words, labels, training, output), f)
ops.reset_default_graph()
net = tflearn.input_data(shape=[None, len(training[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(output[0]), activation = "softmax")
net = tflearn.regression(net)
model = tflearn.DNN(net)
try:
model.load("model.tflearn")
except:
model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True)
model.save("model.tflearn")
def bag_of_words(s, words):
bag = [0 for _ in range(len(words))]
s_words = nltk.word_tokenize(s)
s_words = [stemmer.stem(word.lower()) for word in s_words]
for se in s_words:
for i, w in enumerate(words):
if w == se:
bag[i] = 1
return numpy.array(bag)
def chat():
print("Hi, How can i help you ?")
while True:
inp = input("You: ")
if inp.lower() == "quit":
break
results = model.predict([bag_of_words(inp, words)])[0]
results_index = numpy.argmax(results)
tag = labels[results_index]
if results[results_index] > 0.8:
for tg in data["intents"]:
if tg['tag'] == tag:
responses = tg['responses']
sleep(3)
Bot = random.choice(responses)
print(Bot)
else:
print("I don't understand!")
chat()
输出错误为:
raise RuntimeError('Attempted to use a closed Session.')
RuntimeError: Attempted to use a closed Session.
虽然我可以为您提供解决方案,例如在哪里更正代码以消除错误,但我建议您在这里使用Keras。
TFlearn 是 TensorFlow 1.x 的包装器。
TFlearn 与 TensorFlow 2.x 不兼容,但 Keras 兼容。 TFlearn 有一个更新,它使用 tf.compat.v1 与 TensorFlow 2.x 一起使用,但现在已弃用,唯一的前进方向是 Keras。
使用与NLTK中的Lancaster Stemmer一起使用的intents.json文件构建聊天机器人的相同代码在here给出。它是用 Keras 和最新版本的 TensorFlow 编写的。
出现错误,
运行时错误:尝试使用关闭的会话。
TFLearn 使用 TensorFlow 1.x,在编写代码时使用 tf.session() 方法。
这里发生的事情是,TFLearn 尝试在
sess.run()
之外调用 with tf.Session()
作为 sess
范围,一旦 sess
对象超出范围,它就会自动关闭它。
因此,在调用模型时,在您的代码中,错误来自 except 块:
try: model.load("model.tflearn") except: model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True) model.save("model.tflearn")
在您现有的代码中,如果您改用它,则可以解决它。
model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True)
model.save("model.tflearn")
(删除
try:
和 except:
,仅使用最后两行即可解决问题。)
您可以参考这里给出的要点。