在某些场景下，我们需要将机器学习或者深度学习模型部署为服务给其它地方调用，本文接下来就讲解使用python的flask部署服务的基本过程。
1. 加载保存好的模型
为了方便起见，这里我们就使用简单的分词模型，相关代码如下：model.py
import jieba class JiebaModel: def load_model(self): self.jieba_model = jieba.lcut def generate_result(self, text): return self.jieba_model(text, cut_all=False)
说明：在load_model方法中加载保存好的模型，无论是sklearn、tensorflow还是pytorch的都可以在里面完成。在generate_result方法中定义处理输入后得到输出的逻辑，并返回结果。
2. 使用flask起服务
代码如下：test_flask.py
# -*-coding:utf-8-*- from flask import Flask, request, Response, abort from flask_cors import CORS # from ast import literal_eval import time import sys import json import traceback from model import JiebaModel app = Flask(__name__) CORS(app) # 允许所有路由上所有域使用CORS @app.route("/", methods=['POST', 'GET']) def inedx(): return '分词程序正在运行中' @app.route("/split_words", methods=['POST', 'GET']) def get_result(): if request.method == 'POST': text = request.data.decode("utf-8") else: text = request.args['text'] try: start = time.time() print("用户输入",text) res = jiebaModel.generate_result(text) end = time.time() print('分词耗时：', end-start) print('分词结果：', res) result = {'code':'200','msg':'响应成功','data':res} except Exception as e: print(e) result_error = {'errcode': -1} result = json.dumps(result_error, indent=4, ensure_ascii=False) # 这里用于捕获更详细的异常信息 exc_type, exc_value, exc_traceback = sys.exc_info() lines = traceback.format_exception(exc_type, exc_value, exc_traceback) # 提前退出请求 abort(Response("Failed!\n" + '\n\r\n'.join('' + line for line in lines))) return Response(str(result), mimetype='application/json') if __name__ == "__main__": jiebaModel = JiebaModel() jiebaModel.load_model() app.run(host='0.0.0.0', port=1314, threaded=False)
说明：我们定义了一个get_result()函数，对应的请求是ip:port/split_words。 首先我们根据请求是get请求还是post请求获取数据，然后使用模型根据输入数据得到输出结果，并返回响应给请求。如果遇到异常，则进行来源[email protected]搞@^&代*@码网相应的处理后并返回。在__main__中，我们引入了model.py的JiebaModel类，然后加载了模型，并在get_result()中调用。
3. 发送请求并得到结果
代码如下:test_request.py
import requests def get_split_word_result(text): res = requests.post('http://{}:{}/split_words'.format('本机ip', 1314), data=str(text).encode('utf-8')) print(res.text) get_split_word_result("我爱北京天安门")
说明：通过requests发送post请求，请求数据编码成utf-8的格式，最后得到响应，并利用.text得到结果。
4. 效果呈现
（1）运行test_flask.py
（2）运行test_request.py
并在起服务的位置看到：
以上就是如何使用flask将模型部署为服务的详细内容，更多关于用flask将模型部署为服务的资料请关注gaodaima搞代码网其它相关文章！
以上就是如何使用flask将模型部署为服务的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：如何使用flask将模型部署为服务
转载请注明原文链接：如何使用flask将模型部署为服务
