首先记录一个多领域的技术网站
https://www.bbsmax.com/A/MAzArO0oJ9/
二、跟着宇哥学习深度学习模型部署(基于Flask框架)
2. 图像分类任务
2.1 安装工具包:flask, Torch, Torchvision
2.2 初始化 Flask app
2.3 返回结果用的函数
文件内容展示
2.4 加载模型进来
注意:global model 主要是为了让模型在后面方便调用,所以定义为全局类型。
model.eval():制定模型为测试的格式。
2.5 数据预处理
48~49行,重新矫正图像大小,将图像转成Tensor格式。
52行,对图像image进行标准化{(x-u)/std}和归一化{0-1}操作。
PR:因为图像是RGB三通道的数据,所以,中括号有三个数代表RGB对应的数据。第一个中括号表示标准化,第二个中括号表示归一化操作。从训练集种导出的值,用到现在的测试过程中。给定的数值是在固定数量的图片训练后得出的经验数值(比如在1000张数据中测出来的值)。
第55行,加一个batch_size 维度。因为这里测试的是一张图像,所以给定None值。
第56,57行把image图像数据用cuda()函数加速一下。前面31,23行是把model用cuda()加速了一下。
2.6 开启服务
2.6.1 初始化数据的接收状态
后半段代码
main函数
加载模型并开启服务
3. 发送端脚本
3.1 使用URL发送请求
上面案例的视频讲解在 https://www.bilibili.com/video/BV1G54y1B7jp?p=1
想要看更多的课程需要 到https://study.163.com/course/introduction.htm?courseId=1210126943#/courseDetail?tab=1购买,我暂时没有买。