Shiny犬种分类器App报错：path应为类路径对象或io.BytesIO而非reactive.Value

这个TypeError的意思是：调用tf.keras.preprocessing.image.load_img()时传入的参数类型不符合要求。load_img需要接收文件路径类对象或者io.BytesIO对象，但你传进去的input.dog_pic是Shiny框架的reactive._reactives.Value响应式对象，并非实际的图片文件路径或可读取的IO流，因此触发类型错误。

问题出在获取上传文件的方式，以及模型加载的效率问题，修复后的代码如下：

from shiny import App, Inputs, Outputs, Session, reactive, render, ui
import tensorflow as tf
import numpy as np

# 提前加载模型，避免每次预测重复加载
model = tf.keras.models.load_model('model')

app_ui = ui.page_fluid(
    ui.input_file("dog_pic", "Upload your dog picture!", accept=[".jpeg"], multiple=False),
    ui.output_text("txt")
)

def server(input, output, session):
    @reactive.Calc
    def parsed_file():
        # 先判断是否有文件上传
        if not input.dog_pic():
            return None
        # 获取上传文件的临时路径
        img_path = input.dog_pic()[0]["datapath"]
        # 加载并预处理图片
        image = tf.keras.preprocessing.image.load_img(img_path, target_size=(224, 224))
        input_arr = tf.keras.preprocessing.image.img_to_array(image)
        input_arr = np.array([input_arr])
        input_arr = input_arr.astype('float32') / 255.
        return input_arr

    @output
    @render.text
    def txt():
        processed_img = parsed_file()
        if processed_img is None:
            return "请先上传狗狗图片！"
        # 执行预测
        dog_prediction = model.predict(processed_img)
        # 注意：这里需要将模型输出的概率数组转换为对应的犬种名称，需提前准备标签映射
        # 示例：假设你有标签列表labels，取概率最大的索引对应的标签
        # predicted_breed = labels[np.argmax(dog_prediction)]
        # return f"Predicted dog breed is {predicted_breed}!"
        return f"Predicted dog breed index: {np.argmax(dog_prediction)}"

app = App(app_ui, server)

• 获取正确的文件路径：input.dog_pic()返回包含上传文件信息的列表，每个元素是字典，其中datapath字段是Shiny存储上传文件的临时路径，需要提取这个值传给load_img。
• 提前加载模型：将模型加载代码放在server函数外部，避免每次触发预测时重复加载模型，提升应用性能。
• 增加空值判断：在处理图片和输出结果时，判断是否有文件上传，避免空值报错。

内容的提问来源于stack exchange，提问作者Dieu94