通常我们需要要云端发布一个算法微服务,然后别人可以通过你的API来调用你的算法服务,以下为使用Python中Flask发布算法模型的部署,包括服务端和客户 端两部分,以及在使用过程中的注意事项。
直接上干货,文件名称为flask_model.py
import numpy as np
from flask import Flask
from flask import request
from flask import jsonify
from sklearn.externals import joblib
#导入模型
model = joblib.load('model.pickle')
#temp = [5.1,3.5,1.4,0.2]
#temp = np.array(temp).reshape((1, -1))
#ouputdata = model.predict(temp)
##获取预测分类结果
#print('分类结果是:',ouputdata[0])
app = Flask(__name__)
@app.route('/func',methods=['POST','GET'])
def output_data():
text=request.args.get('inputdata')
if text:
temp = [float(x) for x in text.split(',')]
temp = np.array(temp).reshape((1, -1))
ouputdata = model.predict(temp)
return jsonify(str(ouputdata[0]))
if __name__ == '__main__':
app.config['JSON_AS_ASCII'] = False
app.run(host='127.0.0.1',port=5003) # 127.0.0.1 #指的是本地ip
print('运行结束')
在cmd命令行中执行命令
>>> python flask_model
客户端实时预测
调用API接口,GET服务的调用格式
import requests
base = 'http://127.0.0.1:5002/func/?inputdata=5.1,3.5,1.4,0.2'
response = requests.get(base)
answer = response.json()
print('预测结果',answer)
调用API接口,POST服务的调用格式
url = 'http://127.0.0.1:5002/func'
data = {"inputdata":json.dumps(test1)}
#POST 请求
response = requests.post(url,data)
#返回结果
print(response)
answer = response.json()
print('预测结果',answer)
Flask服务需要注意的几个事项:
request.form.get(“key”)#为Post服务获取数据
request.args.get(“key”)#为Get服务获取数据
Flask服务获取到的为JSON字符串,需要将其转换为JSON数组格式,以下为JSON数组 和JSON字符串的格式互换
test = json.loads(test) #将JSON字符串转换为JSON数组
test = json.dumps(test) #将JSON数组转换为JSON字符串
有时候读进来的文件中有换行符,将文本中的换行符去掉,命令如下:
#将文件的所有换行符替换掉
text=re.sub(’\n’,’’,text)
text=re.sub(’\r’,’’,text)
客户端API接口调用
调用时传入的为JSON格式,或JSON字符串