jieba_paddle分词和关键字提取部署

第一步：
1 pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com jieba
2 pip install -i https://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com jieba --upgrade
第二部：
构建config文件
{
“modules_info”: {
“jieba_paddle”: {
“init_args”: {
“version”: “1.0.0”
},
“predict_args”: {
}
}
},
“port”: 8866,
“use_multiprocess”: false,
“workers”: 2
}
参数：
参数 用途
modules_info PaddleHub Serving预安装模型，以字典列表形式列出，key为模型名称。其中:
init_args为模型加载时输入的参数，等同于paddlehub.Module(**init_args)
predict_args为模型预测时输入的参数，以lac为例，等同于lac.analysis_lexical(**predict_args)
port 服务端口，默认为8866
use_gpu 使用GPU进行预测，必须安装paddlepaddle-gpu
use_multiprocess 是否启用并发方式，默认为单进程方式，推荐多核CPU机器使用此方式
Windows操作系统只支持单进程方式
workers 启动的并发任务数，在并发模式下才生效，默认为2*cpu_count-1，其中cpu_count代表CPU的核数

第三步：
切换到相应的目录
hub serving start -c serving_config.json
第四步：
代码调用，注意IP地址配置

import request
import json
# 待预测数据
text = "今天是个好日子"

# 设置运行配置
# 对应本地预测jieba_paddle.cut(sentence=text, use_paddle=True)
data = {"sentence": text, "use_paddle": True}

# 指定预测方法为jieba_paddle并发送post请求，content-type类型应指定json方式
# HOST_IP为服务器IP
url = "http://localhost:8866/predict/jieba_paddle"
headers = {"Content-Type": "application/json"}
r = request.post(url=url, headers=headers, data=json.dumps(data))

# 打印预测结果
print(json.dumps(r.json(), indent=4, ensure_ascii=False))

########hub serving start -c serving_config.json

常见错误分析：
AttributeError: module ‘paddle.fluid’ has no attribute ‘EndStepEvent’
解决思路

在对于高层API，PaddlePaddle在版本1.0之后做了很大的改动，比如就修改了高层API所在的位置。同时也完善了高层API的很多功能。高层API虽然没有底层API灵活，但高层API使用更简单，非常适合初学者使用。

在PaddlePaddle 1.0以上的版本，高级API已经迁移到paddle.fluid.contrib目录下，所以在导包的是应该要使用from paddle.fluid.contrib.trainer import *的导包方式。也就是说在PaddlePaddle 1.0以上的版本，EndStepEvent并不存在于fluid中，而是存在于fluid.contrib.trainer中。

问题解决

在PaddlePaddle 1.0以上的版本，高级API已经迁移到paddle.fluid.contrib目录下，所以在导包的是应该要使用from paddle.fluid.contrib.trainer import *的导包方式。

导入资源方法：

1
from paddle.fluid.contrib.trainer import EndStepEvent
同时将if isinstance(event, fluid.EndStepEvent):改为

1
if isinstance(event, EndStepEvent):

backward_strategy.py 中更改

from paddle.fluid import core

from paddle.fluid.contrib import core#change by mart 21-3-15
all = [“BackwardStrategy”]

BackwardStrategy = core.BackwardStrategy

【python】解决raise JSONDecodeError(“Expecting value”, s, err.value) from None json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)错误

把config里面的arg参数补上。
{
“modules_info”: {
“jieba_paddle”: {
“init_args”: {
“version”: “1.0.0”
},
“predict_args”: {
}
}
},
“port”: 8866,
“use_multiprocess”: false,
“workers”: 2
}

高保真原型：几乎完全按照实物来制作的原型就是高保真，原型中甚至包含产品的细节、真实的交互、UI等等。低保真原型：粗枝大叶的画出来的原型，表达产品大致的框架。由于制作高保真的原型无论是时间还是成本都相对较高。所以大部分情况下，我们还是以制作低保真原型为主。虽说是低保真原型，但也并不意味着产品原型所有部分都去粗枝大叶的去做。核心关键部分还是需要制作高保真的原型。推荐一种在保真度和时间、成本之间折中的原型——T原型。