预先训练深度学习模型,保存训练后的模型或参数,此处采用图像分类模型。
Flask是一个使用 Python 编写的轻量级Web应用框架,可通过$pip install flask
进行安装。
首先编写app.py文件
import os
from flask import Flask, render_template, request, redirect
import io
from PIL import Image
import uuid
import vision
app = Flask(__name__)
CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))
CACHE_FOLDER = os.path.join(CURRENT_DIR, 'static/')
@app.route('/', methods=['GET', 'POST'])
def upload_file():
if request.method == 'POST':
if 'file' not in request.files:
return redirect(request.url)
file = request.files.get('file')
if not file:
return
# 读取上传的图像
img_bytes = file.read()
image = Image.open(io.BytesIO(img_bytes))
# 获得分类结果
image_result, class_name, class_id = vision.classify_image(image)
# 将图像保存于本地
img_stream = str(uuid.uuid1()) + ".jpg"
cache_name = CACHE_FOLDER + "/" + img_stream
image_result.savefig(cache_name, dpi=300, bbox_inches='tight')
# 传递至模板
return render_template('result.html',
class_id=class_id,
class_name=class_name,
img_name='结果图像保存于/static/' + img_stream)
return render_template('index.html')
if __name__ == '__main__':
# 地址需要是0.0.0.0,保证外机访问
app.run(host="0.0.0.0", debug=True, port=5000)
Docker 是一个开源的应用容器引擎,基于Go语言并遵从 Apache2.0 协议开源。 Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中,然后发布到任何流行的 Linux 机器上,也可以实现虚拟化。 容器是完全使用沙箱机制,相互之间不会有任何接口(类似 iPhone 的 app), 更重要的是容器性能开销极低。
安装Docker Desktop:https://hub.docker.com/editions/community/docker-ce-desktop-windows/
修改下载默认源
右键桌面右下角Docker Desktop图标,选择setting - Docker Engine,修改"registry-mirrors": [ "http://hub-mirror.c.163.com" ]
,改为163源。
修改镜像存放目录
默认镜像存放目录有足够容量可以跳过此步
首先查看setting - Docker Engine - Resources - Disk image location找到默认镜像存放目录,例如:C:\ProgramData\DockerDesktop\vm-data
。将文件夹vm-data剪切到想要改变的目标镜像存放目录,例如:D:\vm-data
。
以管理员身份运行cmd,输入$mklink /J "C:\ProgramData\DockerDesktop\vm-data" D:\vm-data
,创建符号链接。
首先新建一个名为docker_test的文件夹,内部结构如下
docker_test
----flask_app // flask项目文件夹
--------app.py // flask加载文件
--------(其他项目内文件,包括模型文件)
--------requirement.txt
----Dockerfile
----sources.list
下面介绍各个文件的生成
$pip install pipreqs
$pipreqs . --encoding=utf8 --force
,–force表示覆盖原requirement.txt。源列表,用于替换Ubuntu的默认源
deb-src http://archive.ubuntu.com/ubuntu xenial main restricted #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb http://mirrors.aliyun.com/ubuntu/ xenial multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse #Added by software-properties
deb http://archive.canonical.com/ubuntu xenial partner
deb-src http://archive.canonical.com/ubuntu xenial partner
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-security multiverse
Dockerfile 是一个用来构建镜像的文本文件,文本内容包含了一条条构建镜像所需的指令和说明。
基础镜像
可以在https://hub.docker.com/search?type=image上搜索想要的基础镜像文件,点击镜像页面上的Tags复制镜像下载命令,此处选择带有pytorch和ubuntu环境的镜像:
在命令行执行$docker pull macio232/torch1.4.0-ubuntu18.04-extras:latest-nocuda
下载基础镜像。
编写Dockerfile
# 基于的基础镜像
FROM macio232/torch1.4.0-ubuntu18.04-extras:latest-nocuda
# 维护者信息
MAINTAINER name [email protected]
#用ubuntu国内源替换默认源
RUN rm /etc/apt/sources.list
COPY sources.list /etc/apt/sources.list
# 代码添加到 code 文件夹
ADD ./flask_api_test /code
# 设置 code 文件夹是工作目录
WORKDIR /code
# 更新软件包列表
RUN apt-get update
# 此处为cv2相关支持,无cv2可删去
RUN apt-get install -y libsm6 libxext6 libgl1-mesa-glx libglib2.0-0
# 安装相关支持
RUN pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 声明镜像内服务监听的端口
EXPOSE 5000
CMD ["python", "/code/app.py"]
在docker_test文件下执行$docker build -t user_name/image_name:tag .
,在用户user_name下生成名为image_name、标签为tag的镜像。
$docker run -i -p 5000:5000 user_name/image_name:tag
* Serving Flask app "app" (lazy loading)
* Environment: production
WARNING: This is a development server. Do not use it in a production deployment.
Use a production WSGI server instead.
* Debug mode: on
* Running on http://0.0.0.0:5000/ (Press CTRL+C to quit)
* Restarting with stat
* Debugger is active!
-i表示以交互模式运行容器,-p表示指定端口映射,接着即可在网址中输入localhost:5000
访问。
右键桌面右下角Docker Desktop图标,选择setting - Docker Engine,修改"insecure-registries": [ "user_name" ]
执行$docker push user_name/image_name:tag
上传至user_name源
私有仓库的构建见:https://www.linuxidc.com/Linux/2018-03/151308.htm
$docker login
登陆$docker push user_name/image_name:tag
上传文章浏览阅读290次,点赞8次,收藏10次。1.背景介绍稀疏编码是一种用于处理稀疏数据的编码技术,其主要应用于信息传输、存储和处理等领域。稀疏数据是指数据中大部分元素为零或近似于零的数据,例如文本、图像、音频、视频等。稀疏编码的核心思想是将稀疏数据表示为非零元素和它们对应的位置信息,从而减少存储空间和计算复杂度。稀疏编码的研究起源于1990年代,随着大数据时代的到来,稀疏编码技术的应用范围和影响力不断扩大。目前,稀疏编码已经成为计算...
文章浏览阅读217次。EasyGBS - GB28181 国标方案安装使用文档下载安装包下载,正式使用需商业授权, 功能一致在线演示在线API架构图EasySIPCMSSIP 中心信令服务, 单节点, 自带一个 Redis Server, 随 EasySIPCMS 自启动, 不需要手动运行EasySIPSMSSIP 流媒体服务, 根..._easygbs-windows-2.6.0-23042316使用文档
文章浏览阅读1.2k次,点赞27次,收藏7次。2023巅峰极客 BabyURL之前AliyunCTF Bypassit I这题考查了这样一条链子:其实就是Jackson的原生反序列化利用今天复现的这题也是大同小异,一起来整一下。_原生jackson 反序列化链子
文章浏览阅读734次,点赞9次,收藏7次。微服务架构简单的说就是将单体应用进一步拆分,拆分成更小的服务,每个服务都是一个可以独立运行的项目。这么多小服务,如何管理他们?(服务治理 注册中心[服务注册 发现 剔除])这么多小服务,他们之间如何通讯?这么多小服务,客户端怎么访问他们?(网关)这么多小服务,一旦出现问题了,应该如何自处理?(容错)这么多小服务,一旦出现问题了,应该如何排错?(链路追踪)对于上面的问题,是任何一个微服务设计者都不能绕过去的,因此大部分的微服务产品都针对每一个问题提供了相应的组件来解决它们。_spring cloud
文章浏览阅读5.9k次,点赞6次,收藏20次。Js实现图片点击切换与轮播图片点击切换<!DOCTYPE html><html> <head> <meta charset="UTF-8"> <title></title> <script type="text/ja..._点击图片进行轮播图切换
文章浏览阅读10w+次,点赞245次,收藏1.5k次。在开始安装前,如果你的电脑装过tensorflow,请先把他们卸载干净,包括依赖的包(tensorflow-estimator、tensorboard、tensorflow、keras-applications、keras-preprocessing),不然后续安装了tensorflow-gpu可能会出现找不到cuda的问题。cuda、cudnn。..._tensorflow gpu版本安装
文章浏览阅读243次。0x00 简介权限滥用漏洞一般归类于逻辑问题,是指服务端功能开放过多或权限限制不严格,导致攻击者可以通过直接或间接调用的方式达到攻击效果。随着物联网时代的到来,这种漏洞已经屡见不鲜,各种漏洞组合利用也是千奇百怪、五花八门,这里总结漏洞是为了更好地应对和预防,如有不妥之处还请业内人士多多指教。0x01 背景2014年4月,在比特币飞涨的时代某网站曾经..._使用物联网漏洞的使用者
文章浏览阅读786次。A. Epipolar geometry and triangulationThe epipolar geometry mainly adopts the feature point method, such as SIFT, SURF and ORB, etc. to obtain the feature points corresponding to two frames of images. As shown in Figure 1, let the first image be and th_normalized plane coordinates
文章浏览阅读708次,点赞2次,收藏3次。开放信息抽取(OIE)系统(三)-- 第二代开放信息抽取系统(人工规则, rule-based, 先关系再实体)一.第二代开放信息抽取系统背景 第一代开放信息抽取系统(Open Information Extraction, OIE, learning-based, 自学习, 先抽取实体)通常抽取大量冗余信息,为了消除这些冗余信息,诞生了第二代开放信息抽取系统。二.第二代开放信息抽取系统历史第二代开放信息抽取系统着眼于解决第一代系统的三大问题: 大量非信息性提取(即省略关键信息的提取)、_语义角色增强的关系抽取
文章浏览阅读1.1w次,点赞6次,收藏51次。快速完成网页设计,10个顶尖响应式HTML5网页模板助你一臂之力为了寻找一个优质的网页模板,网页设计师和开发者往往可能会花上大半天的时间。不过幸运的是,现在的网页设计师和开发人员已经开始共享HTML5,Bootstrap和CSS3中的免费网页模板资源。鉴于网站模板的灵活性和强大的功能,现在广大设计师和开发者对html5网站的实际需求日益增长。为了造福大众,Mockplus的小伙伴整理了2018年最..._html欢迎页面
文章浏览阅读282次。原标题:2018全国计算机等级考试调整,一、二级都增加了考试科目全国计算机等级考试将于9月15-17日举行。在备考的最后冲刺阶段,小编为大家整理了今年新公布的全国计算机等级考试调整方案,希望对备考的小伙伴有所帮助,快随小编往下看吧!从2018年3月开始,全国计算机等级考试实施2018版考试大纲,并按新体系开考各个考试级别。具体调整内容如下:一、考试级别及科目1.一级新增“网络安全素质教育”科目(代..._计算机二级增报科目什么意思
文章浏览阅读240次。conan简单使用。_apt install conan