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。
