将训练好的Tensorflow模型部署到web应用中

　　做一个简易web使用Flask是最好的选择，不仅上手快，使用也很便利。Django很强大也很好用，但一次就会创建一个项目的所需的文件，我觉得对于测试一个模型在web端有没有效果没必要用它。

　　flask依赖jinja和werkzeug，所以再稍微学一点jinja的语法即可。

　　关于TensorFlow如何保存/加载模型就不多说了（或者可以直接使用TensorFlow.js，但我用npm一直安装出错，遂放弃）。

　　首先安装flask：`pip install flask`。可能需要注意flask的环境变量问题，如果遇到，则自己网上找找办法吧。

　　然后在本地或者云端选择一个目录下创建一个python文件，名字自己取一个（例如`web.py`）。

　　以我自己写的为例吧，web.py文件内容大致如下：

from flask import *


app = Flask(__name__)


@app.route('/service', methods=['GET', 'POST'])
def service():
    if request.method == 'POST':
        input_x = string_floats(request.form['X'])
        from model import service
        g.output = service.predict(input_x) # 使用模型
        return render_template("page.html", output=g.output)
    return render_template("page.html")

　　page.html文件是这样的：

<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8" />
    <title>Using Model</title>
    <meta name="viewport" content="width=device-width, initial-scale=1">
</head>
<body>
    <form method="post">
        <label for="X">Input X:</label> <!-- 这句的for="X"对应<input>中的id="X"，不然不能获取到输入框中的内容，比较重要 -->
        <input name="X" id="X" style="width: 100%" required>
        <input type="submit">
    </form>
    {% if output is defined %} <!-- jinja语法 -->
        <p>Output:</p>
        <span>{{ output }}</span>
    {% endif %}
</body>
</html>

　　flask通过将py文件中定义的变量插入到html中的，jinja通过{{ }}使用，g是一个全局变量。

　　然后，命令行进入到web.py所在的目录下。

　　windows下cmd中运行：

set FLASK_APP=web.py
set FLASK_DEBUG=1
flask run

　　其他操作系统终端语法参考：http://flask.pocoo.org/docs/1.0/tutorial/factory/

　　效果：

　　参考：https://blog.csdn.net/luoyexuge/article/details/78227317

将训练好的Tensorflow模型部署到web应用中

猜你喜欢