如何使用 Flask、GitHub 和 Heroku 将我的 Tensorflow 深度学习模型部署为 Web 应用程序

Question

我已经训练了一个卷积神经网络，将模型保存到一个文件 (model.h5) 中，现在我想将它部署到一个网站上。 应该可以将文件上传到网站以供模型分析。 部署我的模型的最简单方法是什么？

Answer 1

我发现部署深度学习模型的最简单方法是制作一个简单的 Flask 应用程序并使用 Heroku 将其部署到网站。

首先，让我们看看您需要哪些文件以及它们应该如何组织：

project
│   runtime.txt
│   requirements.txt
│   Procfile
│   main.py
│
└───assets
│       model.h5
│   
└───templates
│       base.html
│       index.html
│
└───uploaded_files

主文件

from flask import Flask, url_for, request, render_template, jsonify, flash
import tensorflow as tf
from tensorflow import keras
from werkzeug.utils import secure_filename
import os
import numpy as np

app = Flask(__name__)

# Load your model here

@app.route("/")
def index():
    return render_template("index.html")


@app.route('/', methods=['POST'])
def submit_file():
    if request.method == 'POST':
        f = request.files['file']
        f.save('uploaded_files/'+ secure_filename(f.filename))

        # do prediction here using the uploaded file at:
        # 'uploaded_files/'+ secure_filename(f.filename)
        
        return render_template('index.html', prediction_text='The predictions are: {}'.format(result_string))



if __name__ == '__main__':
    app.run()

HTML 页面

我们将使用 base.html 作为 HTML 页面的模板。 如果我们以后想制作更多页面，这会更容易。

基本文件

<!doctype html> <html lang="en"> <head> <meta charset="utf-8"> <meta name="viewport" content="width=device-width, initial-scale=1, shrink-to-fit=no"> <link rel="stylesheet" href="https://maxcdn.bootstrapcdn.com/bootstrap/4.0.0/css/bootstrap.min.css" integrity="sha384-Gn5384xqQ1aoWXA+058RXPxPg6fy4IWvTNh0E263XmFcJlSAwiGgFAW/dAiS6JXm" crossorigin="anonymous"> <title>{% block title %}{% endblock %}</title> </head> <body> <div class="container-fluid"> {% block content %} {% endblock %} </div> <script src="https://code.jquery.com/jquery-3.2.1.slim.min.js" integrity="sha384-KJ3o2DKtIkvYIK3UENzmM7KCkRr/rE9/Qpg6aAZGJwFDMVNA/GpGFF93hXpG5KkN" crossorigin="anonymous"></script> <script src="https://cdnjs.cloudflare.com/ajax/libs/popper.js/1.12.9/umd/popper.min.js" integrity="sha384-ApNbgh9B+Y1QKtv3Rn7W3mgPxhU9K/ScQsAP7hUibX39j7fakFPskvXusvfa0b4Q" crossorigin="anonymous"></script> <script src="https://maxcdn.bootstrapcdn.com/bootstrap/4.0.0/js/bootstrap.min.js" integrity="sha384-JZR6Spejh4U02d8jOt6vLEHfe/JQGiRRSQQxSfFWpi1MquVdAyjUar5+76PVCmYl" crossorigin="anonymous"></script> </body> </html>

索引.html

 {% extends "base.html" %} {% block title %}ECG app{% endblock %} {% block content %} <div class="jumbotron" lang="en"> <div class="container"> <div class="text-center"> <h1 class="display-4">Your header</h1> <p class="lead">something more</p> </div> </div> </div> <form method="post" action="/" enctype="multipart/form-data" lang="en"> <div class="container"> <div class="text-center"> <div class="file-field"> <div class="btn btn-pink btn-rounded btn-sm float-left"> <input type="file" name="file" autocomplete="off" required placeholder="Upload your file"> <input type="submit" class="btn btn-primary" value="Submit"> </div> </div> </div> </div> </form> <br> <br> <br> <div class="container"> <div class="p-3 mb-2 bg-dark text-white">{{ prediction_text }}</div> </div> {% endblock %}

在本地运行应用程序

此时，您应该具有以下文件和文件夹结构

pip freeze > requirements. txt

这应该足以在您的计算机上本地运行您的 Flask 应用程序。 就我个人而言，我使用 Anaconda 来运行 Python 脚本并控制我的环境，我建议您也这样做。 此时，您应该创建一个新的 python 环境并安装必要的包以在此环境中运行 Flask 应用程序。

需求.txt

现在，在本地运行的 Flask 应用程序和新的 Python 环境中，您需要创建一个需求文件。 这可以从运行的命令行轻松完成

pip freeze > requirements. txt

在命令行中（确保您位于正确的文件夹中并激活了正确的环境）。

确保在运行 pip freeze 之前安装最新版本的 gunicorn将应用程序部署到 Heroku 时需要使用 gunicorn。

配置文件

为了能够在 Heroku 中运行 Flask 应用程序，您需要一个 Procfile。 在我们的例子中，这是一个非常简单的文件，包含这行简单的代码

web: gunicorn main:app

记住：

Procfile 不应具有任何文件扩展名，如 .txt 等。
main:app 是指包含应用程序的 python 文件的名称，即main.py 。 以及 Flask 应用程序的名称，即app = Flask(__name__)

运行时.txt

如果您的 Flask 应用程序需要特定的 Python 版本，您可以在 runtime.txt 文件中指定它。 在我们的例子中，我们在 runtime.txt 中编写了这行代码：

 python-3.7.2

此时，您应该拥有将 Flask 应用程序部署到 Heroku 所需的所有文件。

Github 存储库

现在，如果您还没有这样做，请为您的应用程序创建一个 Github 存储库并将您的代码提交给它。

赫鲁库

转到 heroku.com 并注册一个帐户。 注册后转到仪表板并单击“新建”以创建新应用程序。

选择应用程序的名称后，您将有机会将 GitHub 存储库链接到部署管道。 如果您选择连接到 GitHub 存储库，Heroku 将自动构建到所选存储库的 master 分支的最新提交。

现在继续将 Heroku 与我们新的 Github 存储库连接起来。

对你的 master 分支进行一次新的提交，Heroku 应该构建你的 Flask 应用程序并部署它！

如何使用 Flask、GitHub 和 Heroku 将我的 Tensorflow 深度学习模型部署为 Web 应用程序

问题描述

1 个解决方案

解决方案1
0 2020-09-14 08:45:05

主文件

HTML 页面

在本地运行应用程序

需求.txt

配置文件

运行时.txt

Github 存储库

赫鲁库

如何使用 Flask、GitHub 和 Heroku 将我的 Tensorflow 深度学习模型部署为 Web 应用程序

问题描述

1 个解决方案

解决方案1 0 2020-09-14 08:45:05

主文件

HTML 页面

在本地运行应用程序

需求.txt

配置文件

运行时.txt

Github 存储库

赫鲁库

解决方案1
0 2020-09-14 08:45:05