Django启动时将模型和文件数据加载至内存，全局可使用

在做机器学习算法和推荐系统时，往往都会遇到模型加载的问题，今天的例子就是，如何在django项目启动时将数据和模型加载到内存中，后续各个模块的调用就不需要重复的加载了，提高页面加载的速度，那么将数据或者模型加载至内存的方式如下，本章以一篇推荐系统的模型和数据的加载为例：
1、第一步：在应用模块下（我的引用名称叫做index，项目名称叫做music）app.py文件中编写加载数据或者模型的代码，代码如下：

class IndexConfig(AppConfig):
    name = 'index'

    def ready(self) -> None:
        global data, user_songs, songID_titles, songs, knn_usercf
        data = pd.read_csv(r'E:/Graduation-Porject/RecommendedSystem/MusicDataset/music_data.csv')
        user_item_rating = pd.read_csv(r'E:/Graduation-Porject/RecommendedSystem/MusicDataset/music_user_item_rating.csv')
        # 用户听过的歌曲集合
        user_songs = {}
        for user, group in user_item_rating.groupby('user'):
            user_songs[user] = group['item'].values.tolist()
        # 歌曲集合
        songs = user_item_rating['item'].unique().tolist()
        
        # 加载userCF模型
        dump_file_path = 'E:/Graduation-Porject/GraduationCode/algorithm/knn_usercf.model'
        _, knn_usercf = dump.load(dump_file_path)

        # 歌曲id和歌曲名称对应关系
        songID_titles = {}
        for index in data.index:
            songID_titles[data.loc[index, 'song']] = data.loc[index, 'title'] 

简单的介绍以下：基本的原理就是将变量名赋值成全局变量，整个项目都可以调用这个变量。

第二步：在其他模块下调用，这里我的案例是：调用我的推荐算法模型为登录的用户推荐他可能喜欢的歌曲。

# 加载启动内存中的全局变量到视图函数中，这里时views.py文件中
from index.apps import user_songs, songID_titles, songs, knn_usercf, data 

def indexview(request):
    # 热搜歌曲
    search_song = Dynamic.objects.select_related('song').order_by('-dynamic_search').all()[:20]
    # 音乐分类
    label_list = Label.objects.all()
    # 热门歌曲
    play_hot_song = Dynamic.objects.select_related('song').order_by('-dynamic_plays').all()[:10]
    
    down_ranking = Dynamic.objects.select_related('song').order_by('-dynamic_down').all()[:12]

    current_user = str(request.user)
    if not current_user.isnumeric():
        user = 'reUser'
    # 判定是否登录用户
    if current_user == "AnonymousUser" or user == 'reUser':
        # 基于榜单推荐
        guess_like = recommendation_basedonPopularity(data, N=15)
        guess_like = Song.objects.filter(song_name__in=guess_like)[:15]
        search_ranking = search_song[:12]
        daily_recommendation = guess_like[:3]
        all_ranking = [guess_like[4:], search_ranking, down_ranking]
        context = {
            'daily_recommendation': daily_recommendation,
            "all_ranking": all_ranking,
            "play_hot_song": play_hot_song,
            "label_list": label_list,
        }
        return render(request, 'index.html', context)
    # 判断登录用户
    elif current_user.isnumeric():
        current_user = int(current_user)
        current_user =  int(current_user)  
        # 协同过滤算法，为当前用户推荐他可能喜欢的音乐歌曲
        result = recommendation_basedonUserCF(current_user, user_songs,songID_titles, songs,knn_usercf,N=15)
        # 查询数据
        daily_recommendation = Song.objects.filter(song_name__in=result)
        # 热门搜索、热门下载
        guess_like = daily_recommendation[4:15]
        search_ranking = search_song[:12]
        all_ranking = [guess_like, down_ranking, search_ranking]
        context = {
            'daily_recommendation': daily_recommendation[:3],
            "all_ranking": all_ranking,
            "play_hot_song": play_hot_song,
            "label_list": label_list,
        }
        return render(request, 'index.html', context)