首先記錄一個多領域的技術網站
https://www.bbsmax.com/A/MAzArO0oJ9/
二、跟着宇哥學習深度學習模型部署(基於Flask框架)
2. 圖像分類任務
2.1 安裝工具包:flask, Torch, Torchvision
2.2 初始化 Flask app
2.3 返回結果用的函數
文件內容展示
2.4 加載模型進來
注意:global model 主要是爲了讓模型在後面方便調用,所以定義爲全局類型。
model.eval():制定模型爲測試的格式。
2.5 數據預處理
48~49行,重新矯正圖像大小,將圖像轉成Tensor格式。
52行,對圖像image進行標準化{(x-u)/std}和歸一化{0-1}操作。
PR:因爲圖像是RGB三通道的數據,所以,中括號有三個數代表RGB對應的數據。第一個中括號表示標準化,第二個中括號表示歸一化操作。從訓練集種導出的值,用到現在的測試過程中。給定的數值是在固定數量的圖片訓練後得出的經驗數值(比如在1000張數據中測出來的值)。
第55行,加一個batch_size 維度。因爲這裏測試的是一張圖像,所以給定None值。
第56,57行把image圖像數據用cuda()函數加速一下。前面31,23行是把model用cuda()加速了一下。
2.6 開啓服務
2.6.1 初始化數據的接收狀態
後半段代碼
main函數
加載模型並開啓服務
3. 發送端腳本
3.1 使用URL發送請求
上面案例的視頻講解在 https://www.bilibili.com/video/BV1G54y1B7jp?p=1
想要看更多的課程需要 到https://study.163.com/course/introduction.htm?courseId=1210126943#/courseDetail?tab=1購買,我暫時沒有買。