机器学习WebService搭建（五）------开始搭建机器学习平台

根据前面讲的基础开始搭建机器学习的网络平台。

Step 1 : 新建ML文件夹，在其中新建django项目，新建app

django-admin startproject server_MLs

python manage.py startapp MLWebService

Step 2 : 修改ML/server_MLs/server_MLs文件夹中的urls.py文件

from django.contrib import admin
from django.urls import path
from django.conf.urls import url
from django.conf.urls import include

urlpatterns = [
    path('admin/', admin.site.urls),
    url(r'MLWebService/',include('MLWebService.urls')),
]

Step 3 : 修改ML//server_MLs/server_MLs下setting.py文件

INSTALLED_APPS = [
    'django.contrib.admin',
    'django.contrib.auth',
    'django.contrib.contenttypes',
    'django.contrib.sessions',
    'django.contrib.messages',
    'django.contrib.staticfiles',
    'MLWebService.apps.MlwebserviceConfig', #新增
]

TEMPLATES = [
    {
        'BACKEND': 'django.template.backends.django.DjangoTemplates',
        # 修改此行
        'DIRS': [os.path.join(BASE_DIR, 'MLWebService', 'templates').replace('\\','/')], 
        'APP_DIRS': True,
        'OPTIONS': {
            'context_processors': [
                'django.template.context_processors.debug',
                'django.template.context_processors.request',
                'django.contrib.auth.context_processors.auth',
                'django.contrib.messages.context_processors.messages',
            ],
        },
    },
]

#新增
STATIC_ROOT =os.path.join(BASE_DIR,'static')
STATIC_URL = '/static/'

# 部署时删除
STATICFILES_DIRS = [
    ("css", os.path.join(STATIC_ROOT, 'css')),
#    ("img", os.path.join(STATIC_ROOT, 'img')),
    ("js", os.path.join(STATIC_ROOT, 'js')),
]

# 新增
STATICFILES_FINDERS = (
	'django.contrib.staticfiles.finders.FileSystemFinder',
    'django.contrib.staticfiles.finders.AppDirectoriesFinder',
)

到这一步 server_MLs中的配置文件就已经基本配置完成了。

Step 4：修改ML//server_MLs/下新建static文件夹，并在其中添加css文件夹和js文件夹。这个地方用于分别添加网页需要的css和js包。这里我添加了bootstrap.min.css，bootstrap.min.js，jquery.min.js

Step 5 ：分析一下要添加的网页

1. 主页面（欢迎页面），介绍一下该平台
2. 登录页面
3. 注册页面
4. 上传数据页面
5. 管理训练项目页面
6. 查看数据页面
7. 进行测试页面
8. 测试结果页面
9. 一个基础的base模板

Step 6 : 分析一下业务逻辑

Step 7：分析一下ORM
根据业务逻辑，主要需要两个实体模型，一个是用户表，一个是训练模型表。在MLWebService下的models.py中输入代码：

from django.db import models

# Create your models here.

class trainingTask(models.Model):
    oid = models.IntegerField(primary_key=True, db_column='FId')
    trainingName = models.CharField(max_length=200)
    trainingDataFile = models.CharField(max_length = 200)
    typeOfModel = models.CharField(max_length = 100)
    onTraining = models.IntegerField(default=-1)
    uploadTime = models.DateTimeField(auto_now="True")
    username = models.CharField(max_length=128,default = "")

class MLUser(models.Model):
    '''用户表'''
    username = models.CharField(max_length=128,unique=True)
    password = models.CharField(max_length=256)
    email = models.EmailField()
    c_time = models.DateTimeField(auto_now_add=True)
 
    def __str__(self):
        return self.username
 
    class Meta:
        ordering = ['c_time']
        verbose_name = '用户'
        verbose_name_plural = '用户'

之后别忘了用

python manage.py makemigrations MLWebService
python manage.py migrate

to be continued …