如何解决关闭会话的运行时错误？

Question

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.

Answer 1

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。