使用Flask部署机器学习模型时遭遇SystemExit: 1错误的技术求助

你遇到的SystemExit: 1问题核心原因是Spyder的IPython交互式环境与Flask Debug模式的自动重启机制冲突，同时代码里还有几个潜在问题，下面一步步帮你解决：

1. 修复Debug模式的核心冲突 #

Flask的debug=True会启用代码自动重载功能，但这个功能在Spyder的IPython环境下会触发退出信号（SystemExit），有两个可行的解决办法：

方法A：直接关闭Debug模式 #

把启动代码改成默认模式，避免自动重载触发的冲突：

if __name__ == '__main__':
    app.run()  # 默认debug=False，无自动重载，适合在Spyder中运行

方法B：保留Debug但禁用自动重载 #

如果需要Debug模式的错误提示功能，只需要关闭自动重载即可：

if __name__ == '__main__':
    app.run(debug=True, use_reloader=False)

2. 修复变量命名冲突 #

你代码里用Model作为加载后的模型变量名，但之前已经导入了from tensorflow.keras.models import Model，这会覆盖Keras的Model类，容易引发后续未知错误。建议重命名模型变量：

# 原代码
Model= load_model('F:/flask/modelssk.h5')
# 修改为
model = load_model('F:/flask/modelssk.h5')

同时对应的预测函数和调用处也要同步修改参数名：

def model_predict(img_path, model):
    img = image.load_img(img_path, target_size=(75,100,3))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    preds = model.predict(x)
    return preds

# upload函数里的调用也要同步修改
preds = model_predict(file_path , model)

3. 确保uploads文件夹存在 #

你的代码会把上传的文件保存到uploads目录，但如果这个目录不存在会直接报错，建议在保存文件前先创建目录：

@app.route('/predict', methods=['GET', 'POST'])
def upload():
    if request.method == 'POST':
        f = request.files['file']
        basepath = os.path.dirname(__file__)
        upload_folder = os.path.join(basepath, 'uploads')
        # 如果uploads目录不存在则自动创建
        if not os.path.exists(upload_folder):
            os.makedirs(upload_folder)
        file_path = os.path.join(upload_folder, secure_filename(f.filename))
        f.save(file_path)
        # 后续预测逻辑...

4. 验证模型路径正确性 #

最后再确认F:/flask/modelssk.h5这个路径是绝对正确的，模型文件确实存在，避免因为找不到模型文件导致的启动失败。

按照上面的步骤修改后，应该就能正常启动Flask应用并进行模型预测了。

内容的提问来源于stack exchange，提问作者Ahmed Sabry Tamam