详细内容或原文请订阅后点击阅览
使用 Flask 和 Tensorflow 将深度学习模型部署为 Web 应用程序
如何使用 Flask 将使用 Tensorflow 构建的深度学习模型公开为 API。了解如何构建 Web 应用程序以向用户提供模型，以及如何使用 HTTP 客户端向其发送请求。
来源:AI夏令营如果不能应用于实际应用，那么开发最先进的深度学习模型就没有实际价值。别误会我的意思，研究很棒！但大多数时候，最终目标是利用研究来解决实际问题。就深度学习模型而言，绝大多数模型实际上都是作为 Web 或移动应用程序部署的。在接下来的几篇文章中，我们将这样做：
解决实际问题我们将采用我们的图像分割模型，通过 API（使用 Flask）公开它，并将其部署在生产环境中。
我们将采用我们的图像分割模型，通过 API（使用 Flask）公开它，并将其部署在生产环境中。
在生产环境中部署它如果您是本系列文章的新手，这里有一个快速提醒：我们从 Colab 笔记本中获取了一个对图像进行分割的简单 Unet 模型，并将其转换为全尺寸高度优化的项目。现在我们将大规模地为真实用户提供服务。有关更多详细信息，请查看上一篇文章或我们的 GitHub 存储库。
上一篇文章 GitHub 存储库我们的最终目标是拥有一个功能齐全的服务，可以由客户端/用户调用并实时执行分割。我在这里的假设是，你们中的大多数人都不太熟悉构建客户端-服务器应用程序。这就是为什么我会尝试解释一些基本术语，让您清楚地了解如何实现这一目标。
以下是我们的词汇表：
词汇表Web 服务：任何独立的软件，可通过互联网使用，并使用标准通信协议（如 HTTP）。
Web 服务我们可以吗？
了解更多 = 操作系统 。 .