部署Flask应用至Gcloud/Heroku时导入Keras与OpenCV报错求助

我之前在部署Flask应用到这两个平台时也踩过一模一样的坑，这俩问题都是服务器运行环境缺少必要依赖导致的，咱们逐个拆解解决：

一、OpenCV报错：libSM.so.6: cannot open shared object file: No such file or directory #

这个报错的核心原因是：GAE和Heroku的基础Python运行镜像都是轻量级的，没有预装OpenCV普通版本依赖的X11图形相关系统库（libSM就是其中之一）。有两种解决思路：

方案1：改用无图形依赖的OpenCV版本 #

直接把requirements.txt里的opencv-python替换成opencv-python-headless——这个是专门为服务器/无界面环境打造的版本，去掉了所有图形界面相关的依赖，完全满足后端图像处理需求。

修改后的requirements.txt片段：

opencv-python-headless==4.5.5.62  # 可根据需求指定合适版本

方案2：手动安装系统级依赖（适合必须用普通版OpenCV的场景） #

• Google Cloud App Engine：如果使用自定义Docker镜像，在Dockerfile里添加以下命令安装依赖：

RUN apt-get update && apt-get install -y --no-install-recommends \
    libsm6 \
    libxext6 \
    libxrender-dev

• Heroku：在项目根目录创建Aptfile文件，写入需要安装的系统包：

libsm6
libxext6
libxrender-dev

Heroku会自动读取这个文件并安装对应的依赖。

二、TensorFlow报错：ModuleNotFoundError: No module named 'tensorflow' #

这个问题是因为旧版Keras需要依赖TensorFlow作为后端，但你的依赖清单里可能只声明了keras，没有明确添加tensorflow；另外版本不匹配也可能触发这个报错。

解决步骤： #

1. 明确添加TensorFlow依赖：在requirements.txt里加入tensorflow（服务器环境推荐用CPU版tensorflow-cpu，更轻量），注意版本要和Keras兼容，比如Keras 2.8.x对应TensorFlow 2.8.x：

tensorflow-cpu==2.8.0

2. 推荐升级写法（彻底避免版本兼容问题）：如果你的Keras版本较新，建议直接使用TensorFlow整合的Keras模块，把代码里的：

from keras.models import load_model

改成：

from tensorflow.keras.models import load_model

这样只需要安装tensorflow即可，不需要单独安装keras，从根源上避免依赖冲突。

完整示例配置 #

requirements.txt #

Flask==2.0.3
opencv-python-headless==4.5.5.62
tensorflow-cpu==2.8.0
# 其他你的项目依赖

GAE的app.yaml（示例） #

runtime: python39
entrypoint: gunicorn -b :$PORT main:app

Heroku的Procfile（示例） #

web: gunicorn main:app

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