Uvicorn运行FastAPI图像分类服务报cannot convert dictionary update sequence错误

报错和Uvicorn无关，是FastAPI序列化响应阶段触发的错误：你接口返回的score是TensorFlow的张量或Numpy数组类型，FastAPI默认的JSON编码器不支持这类非Python原生数据类型，因此序列化失败。

仅需要修改接口返回逻辑，将score转换为支持JSON序列化的Python原生类型即可：
把原代码中最后一行返回逻辑

return score

修改为

return score.tolist()

如果你的分类结果是单值，也可以用return float(score)返回单个数值。

你当前代码中保存临时文件的步骤可以省略，直接读取上传的文件对象即可，减少不必要的IO开销，修改后的图片读取逻辑参考：

@app.post('/api/predict')
async def predict_image(file: UploadFile = File(...)):
    # 直接读取上传文件内容
    content = await file.read()
    img = keras.preprocessing.image.load_img(
        BytesIO(content), target_size=input_shape
    )
    img_array = image.img_to_array(img)
    img_array = tf.expand_dims(img_array, 0)
    predictions = model.predict(img_array)
    score = predictions[0]
    return score.tolist()

这样就不需要处理临时文件的创建和删除逻辑，也避免了临时文件清理不彻底的问题。

内容的提问来源于stack exchange，提问作者NominalSystems