如何使用flask将模型部署为服务

这篇"如何使用flask将模型部署为服务"文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇"如何使用flask将模型部署为服务"文章吧。

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 jiebaclass 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, abortfrom flask_cors import CORS# from ast import literal_evalimport timeimport sysimport jsonimport tracebackfrom model import JiebaModelapp = 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!" + ''.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 requestsdef 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。

以上就是关于"如何使用flask将模型部署为服务"这篇文章的内容，相信大家都有了一定的了解，希望小编分享的内容对大家有帮助，若想了解更多相关的知识内容，请关注行业资讯频道。