深度学习Web端服务搭建及部署服务器 | 您所在的位置:网站首页 › 算法如何应用到项目中 › 深度学习Web端服务搭建及部署服务器 |
本文章的所有代码和相关文章, 仅用于经验技术交流分享,禁止将相关技术应用到不正当途径,滥用技术产生的风险与本人无关。 本文章是自己学习的一些记录。 主要配置信息 前端:html、css、js等后端:python、flask 开始以前做深度学习的时候,基本上是在本地的物理机上面做的,偶尔开发一个桌面应用软件客户端进行使用,由于现在的技术潮流更多的是朝着简便、适用、小程序的方向发展,所以本文就简单搭建一个深度学习模型的web端部署以及部署阿里云服务器的应用。这里主要介绍后端框架搭建、前端设计以及前后端的交互。 训练模型首先对于web端的应用,需要调用训练好的模型,将训练好的模型保存好。本文使用的是tensorflow框架,你的什么框架都行,主要是你的测试程序跑的通,能把预测结果打印出来或者检测结果显示出来就行,适用于分类识别和目标检测。 前端设计本文的前段设计两个网页,分别为home.html和result.html,home的作用是打开网页后的显示页面,result是点击识别按钮的识别结果显示页面,上菜,不对,上代码: home.html 深度学习XXXXX识别 输入图片路径 :result.html 识别结果 :{{pred}} go back to home page通过调用模型最终显示出识别的结果,其中result.html中的pred为后端与前端的交互返回 后端设计主要应用python和flask框架搭建后端,对于创建flask就和创建一个新的项目project一样,在pycharm就可完成。直接上代码app.py: from flask import Flask,render_template,request import numpy as np import flask import tensorflow as tf app = Flask(__name__) @app.route('/',methods = ['POST','GET']) def man(): return render_template("home.html") @app.route("/test",methods=["POST"]) def home(): '''这个函数下面可以写你的预测程序,将最后的预测结果写在下面的A处即可''' return render_template("after.html", pred='识别结果为:%s' % (A)) if __name__ == '__main__': app.run()home这个函数下面可以写你的预测程序,将最后的预测结果写在下面的A处即可’ 通过点击会返回识别结果页面,所以设置为post请求,这个后端的框架适用于各种各样的检测程序。 效果前端初始页面: 识别结果页面: 红色箭头部分是点击就可以返回初始的界面。 通过写入我们要识别的图像的路径,点击即可开始识别。 部署到阿里云服务器之前写过一篇博客是关于部署阿里云服务器的教程: https://blog.csdn.net/hijacklei/article/details/107830177 参考这个即可完成部署任务 部署到阿里云服务器目前出现的问题不是在阿里云服务器前端显示后端部分调用没啥问题,就是出现了一个转码问题,服务器返回的日志文件找到了具体的错误: 这几天准备考试了,就暂时这样吧,后续解决了,更新本篇博客。 |
CopyRight 2018-2019 实验室设备网 版权所有 |