如何使用TensorFlow和烧瓶

我正在使用flask、tensorflow和keras模型构建一个多线程restapi。得到之后 this 错误,我做了一些研究,得出了以下解决方案:

executor = ThreadPoolExecutor(10)

@app.route('/createLearningTask', methods=['POST'])
def createLearningTask():
    request_data = request.get_json(force=True)
    executor.submit(LearningTask().processData)
    return ('', 200) 

基本上,我会将每个新的职位申请提交给执行者。在每个请求中,我用给定的参数建立模型,生成模型,预测并存储另一个GET请求的结果。

class LearningTask:

    resultDict = {} # access to this map is protected by locks, which I omitted in here

    def processData(self, **kwargs):
        graph = tf.Graph() # tf = tensorflow
        with graph.as_default():
            with tf.Session().as_default():
                model = Sequential() # keras model
                model.add(..)
                model.add(..)
                model.add(..)
                model.compile(..)
                model.fit(..)
                model.predict(..)

我省略了代码中不相关的部分。它工作得很好,在处理数据并得到结果之后,我把它保存到字典里。我为每个post请求创建新的图表和新的会话。

读后 this 和 this 在讨论中,我提出了我的解决方案。

我的问题是,这个解决方案是安全的和正确的使用张量流?在 documentation ,它说graph不是线程安全的,但是我做了一些负载测试,它可以毫无问题地处理并发请求。