前言
國慶的時候用LSTM搭建的了一個神經網絡，訓練微博數據集來進行情感多分類。後來覺得之前那個數據集不太行，所以經過大量的資料搜索，使用了當前這個數據集。數據集的提供方是清華大學計算機系黃民烈副教授。共4萬多條句子,分爲其他（Null), 喜好(Like)，悲傷(Sad)，厭惡(Disgust)，憤怒(Anger)，高興（Happiness）六類。相對之前那個數據集更具權威性和準確性。
示例
調用接口
http://jie12366.xyz:86/test/?sentence=臥槽
響應數據
{"code": 200, "msg": "厭惡"}
通過Django部署keras模型
重新訓練模型後，我就想把它用在之前的web項目中。開始想的是直接用java調用python程序，試了試，效果不太理想。然後就硬着頭皮學了一下Django框架，挺好上手的，看了下官方文檔，就搭了個demo，把預測程序放進去用了。但是還是遇到了一些坑，在此記錄一下吧。
坑1——Django下的文件路徑問題
因爲第一次接觸Django，很多問題也不太懂。開始以爲加載文件就是類似加載靜態文件就行了，然而我錯了，它根本不能被認出來。然後只能把它當做外部文件來加載。解決方法如下：
將文件保存在django項目根目錄中,並在settings.py文件中添加以下內容.
PROJECT_ROOT = os.path.abspath(os.path.dirname(__file__))
然後在打開文件時加一些操作,這裏就是在文件名前添加了項目的根路徑。
import os
from django.conf import settings
model = load_model(os.path.join(settings.BASE_DIR, 'my_model.h5'))
坑2——版本問題
由於之前使用的是keras3.0，然後Keras 2.3.0中添加了線程本地存儲元素。在調用模型時（例如，從批處理生成器中），將引發與線程本地數據相關的屬性錯誤。然後被迫降低版本爲Keras2.2.4，但是降了keras版本後又導致TensorFlow出問題了（我的TensorFlow是2.0.0版本），mmp，版本又不兼容。然後又降低TensorFlow版本爲1.14.0。emmm，程序跑起來了，有點小激動。
坑3——多線程下的變量問題
開始測試調用api，第一次，麼得問題，好開心，第二次，程序崩了。啥子問題？emmm，因爲Django是多線程運行的，但是我的模型是直接加載的，所以導致多線程運行環境中全局不唯一。最後是通過tf.get_default_graph()來將加載的模型作爲這個TensorFlow運行環境的默認圖，也就是唯一的圖啦，然後程序就可以快活的跑起來啦。部分代碼如下：
# 加載模型，並使模型和變量在同一圖內
global graph
model = load_model(os.path.join(settings.BASE_DIR, 'my_model.h5'))
graph = tf.get_default_graph()
說了這麼多，大家想不想玩一下呢，啊哈哈哈。
GitHub地址： sentiment_analysis_api 如果覺得有點意思，請給個小星星哦。
模型訓練的博客：基於LSTM的中文情緒識別