技术文章
在LINUX中使用Flask构建一个RESTful应用程序,该应用程序使用机器学习模型来预测数据
在这篇博客中,我将介绍如何在Linux中使用Flask创建Rest API端点,该端点使用机器学习模型来预测数据。
先决条件
你需要准备好训练数据和测试数据。
Windows系统所需安装:
- 安装PuTTY.exe、Puttygen.exe、Pscp.exe文件。
- 安装水蟒
- 安装TensorFlow
LINUX下的安装要求:
- 安装python(通常LINUX系统已经安装了python)。
- pip安装。
命令:Sudo zypper安装python3-pip
- 安装烧瓶。
命令:pip3安装瓶
- 安装水蟒。
命令:wgethttps://repo.anaconda.com/archive/Anaconda3-2020.02-Linux-x86_64.shbash anaconda3 - 2020.02 - linux - x86_64.sh
- 安装TensorFlow。
命令:PIP安装tensorflow
什么是REST API?
Rest API代表表示状态传输应用程序编程接口。当客户端向Rest API请求某些数据时,Rest API将接收请求,收集并解析数据,并将其返回给客户端并带有响应头。Rest API允许我们将内容的表示与内容本身完全分离。
连接到您的GCP实例
按照以下网页中给出的步骤连接到您的GCP实例,同时创建SSH密钥和.ppk文件:
Windows下的培训模型
使用Jupyter,使用TensorFlow创建自己的机器学习模型并训练你的模型。如果您已经有了您的模型,只需运行并检查它是否正常工作。
将文件从Windows传输到LINUX
一旦您的模型准备好并且工作正常,您就需要将数据文件和模型传输到LINUX系统。要将文件从Windows传输到LINUX机器,您需要在系统中下载pscp.exe文件。
在Windows的命令提示符中执行以下命令将文件从Windows传输到LINUX:
Pscp.exe -i键。PPKuser@host:
关键。ppk是您使用Puttygen.exe手动生成的。ppk文件。
User是您的用户名。
Host是您的GCP实例主机名。
注意:运行上述命令时,您应该处于pscp.exe文件所在的目录中。
现在,您的文件和模型都在LINUX系统中。
在LINUX中训练您的ML模型
要在LINUX中训练您的ML模型,运行以下命令:
Jupyter nbconvert—to notebook—execute——output
一旦训练好模型,就可以使用Rest API端点使用模型预测一些数据。
注意:更改
弗拉斯克是什么?
Flask是一个用Python编写的轻量级微框架,它为您提供了构建web应用程序所需的底层功能。它是一个WSGI (Web服务器网关接口)工具包,用于实现请求、响应和其他此类功能。
创建一个使用Flask来创建Rest API端点的文件
现在,您需要通过flask创建一个RESTful应用程序,该应用程序使用您开发的ML模型来预测数据。要创建这样的应用程序,我们将使用flask。
下面是应用程序的代码:
我们使用.json文件再次创建模型,并使用.h5文件将权重加载到我们的模型中。之后,我们将数据传递到我们的模型中进行预测,然后将预测值存储在一个变量中。
@app。route将一个' /predict '路由添加到显示printPrediction()方法内容的端点。
注意:如果你跳过@app。路由代码块,那么你的网页将没有任何显示,因此,会给你一个错误。
运行应用程序
执行命令'python3 <文件名> . py”在您的终端中,一旦您的应用程序运行,您将看到这条消息:
要通过终端在浏览器中运行Rest API端点URL,请使用以下命令:
旋度http:// < apiendpointurl: port > /预测
当您运行该命令时,您将看到预测值作为输出。
这就是如何在Linux中使用使用机器学习模型的Flask创建RESTful应用程序。
谢塔利,感谢你的精彩评论,干得好!