机器学习项目是如何开发和部署的？

陆道峰

关注

发布于: 2020 年 05 月 28 日

本文以一个小项目带你弄清 ML 的项目流程

这周做作业查资料时，无意中看到一个 GitHub 项目ML-web-app，它以 PyTorch 训练 MNIST 文字识别模型为例，介绍了从模型训练到部署上线的整个流程。是非常好的学习项目！下图是效果图:

笔者浏览了项目的代码,以学习为目的,简单解读下这个项目。

模型训练

模型训练是相对独立的部分，可以由算法工程师来做。总结起来就是调用 PyTorch 接口，建立一个神经网络，然后利用 MNIST 数据进行训练，最后把训练好的模型文件存储起来，后面部署的时候要用到。

服务部署

该项目使用 Flask 框架部署服务，为了方便阅读，笔者对代码进行了精简。

下面的代码中，通过加载预训练好的模型数据，得到模型实例，可以进行预测：

# initialize flask applicationapp = Flask(__name__)
# Read model to keep it ready all the timemodel = MyModel('./ml_model/trained_weights.pth', 'cpu')

复制代码

核心预测 API 路由，路径是/predict。

@app.route('/predict', methods=['GET','POST'])def predict():    results = {"prediction" :"Empty", "probability" :{}}
    input_img = BytesIO(base64.urlsafe_b64decode(request.form['img']))
    res =  model.predict(input_img)    return json.dumps(results)

复制代码

请求过程

默认主页是通过模板渲染的，在 index.js 中定义了两个核心函数：

onRecognition函数通过 Ajax 向/predict API 路由发送 POST 请求，请求中封装了要识别的图片，然后获取模型预测结果。

// post data to server for recognitionfunction onRecognition() {    $.ajax({            url: './predict',            type:'POST',            data : {img : cvsIn.toDataURL("image/png").replace('data:image/png;base64,','') },
        }).done(function(data) {            showResult(JSON.parse(data))        })}

复制代码

showResult函数把结果渲染出来。

function showResult(resultJson){    // show predict digit    divOut.textContent = resultJson.prediction;    // show probability    document.getElementById("probStr").innerHTML =        "Probability : " + resultJson.probability.toFixed(2) + "%";}

复制代码

总结

这个项目麻雀虽小，五脏俱全。可以帮助非算法类程序员一窥 ML 从建模到上线部署整个流程，透过火爆的趋势看清本质。

如果你对人工智能/机器学习感兴趣，本号给大家准备了福利，赠送三本周志华老师的新书《机器学习理论导引》，点击https://mp.weixin.qq.com/s/arWk6n5mDtL6O_2FYL3zPw查看详情，或者点击https://mp.weixin.qq.com/s/GtIJiNjwNMabhE4tHW31dQ领取私人订制购书满减券。福利不要错过~

文章持续更新，可以微信搜索「 机器学习与系统 」阅读最新内容，回复资料、*内推*、考研获取我为你准备的惊喜~

发布于: 2020 年 05 月 28 日阅读数: 97

原文链接:【http://xie.infoq.cn/article/6b3da4555a29dc34b3ba647fb】。文章转载请联系作者。

陆道峰

关注

问渠那得清如许，为有源头活水来 2015.05.02 加入

还未添加个人简介

发布

暂无评论

创作场景

机器学习项目是如何开发和部署的？

模型训练

服务部署

请求过程

总结

陆道峰

评论