pyTorch框架部署实践

相关代码链接见文末

1.所需基本环境配置

      首先，我们需要一个预先训练好的模型以及相应的配置。接下来，为了实际应用这个模型，我们必须搭建一个功能强大的服务器。这台服务器的核心任务是加载我们的模型，并能够接收用户上传的图片。一旦图片被接收，服务器将使用加载的模型进行预测，并迅速将预测结果返回给用户。这样，整个预测流程就能在服务器上高效、准确地完成。

2.模型加载与数据预处理

        在run_pytorch_server.py中定义了模型加载和数据集预处理模块，流程如下：

（1）首先，初始化Flask app

app = flask.Flask(__name__)
model = None
use_gpu = False

（2）加载标签信息，标签信息为字典信息，将预测结果对应到实际的类别

# 加载标签信息
with open('imagenet_class.txt', 'r') as f:
    idx2label = eval(f.read())