Django上传图片调用TensorFlow模型报expected str not JpegImageFile错误如何解决

你代码中先用Image.open(pic)得到了PIL的图像对象（JpegImageFile/PngImageFile类型），但Keras的image.load_img()方法只接受文件路径字符串、字节流、os.PathLike类型对象，传入PIL对象自然触发类型错误。你原生Python环境能运行大概率是当时直接给load_img传的是本地图片的磁盘路径，和Django中拿到的上传文件场景逻辑不一致。

方案1：直接复用已有的PIL图像（最简便） #

你已经通过Image.open拿到了图像对象，完全不需要再调用image.load_img二次处理，直接对PIL对象做尺寸调整即可：

import numpy as np
import os
from PIL import Image
from django.conf import settings
from tensorflow.keras.models import load_model
from tensorflow.keras.preprocessing import image

# 模型加载放到全局，避免每次请求重复加载，大幅提升性能
detection = load_model(os.path.join(settings.BASE_DIR,'static/auto_chloro_model.h5'))

def uploadImage(request):
    if request.method == 'POST':
        pic = request.FILES['image']
        # 拿到PIL图像对象
        img = Image.open(pic)
        # 统一处理通道，避免PNG透明通道导致后续报错
        img = img.convert('RGB')
        # 直接对PIL对象resize，替代load_img的功能
        img = img.resize((48,48))
        # 后续逻辑不变
        test_img = image.img_to_array(img)
        test_img = np.expand_dims(test_img, axis=0) 
        result = detection.predict(test_img)
        a = result.argmax()
        print(a)

方案2：直接给load_img传上传文件对象，去掉多余的Image.open步骤 #

如果你要保留load_img的调用，就不要提前打开图片，直接把Django的上传文件对象传给load_img即可：

pic = request.FILES['image']
# 直接传上传文件对象，不要先用Image.open处理
test_img = image.load_img(pic, target_size=(48,48))
test_img = image.img_to_array(test_img)
# 后续逻辑不变

不要把模型加载逻辑放在视图函数内部，Django启动时就会全局加载一次，每次请求都重复加载模型会严重拖慢响应速度，还可能引发内存溢出问题。

内容的提问来源于stack exchange，提问作者Joyanta J. Mondal