机器学习项目是如何开发和部署的？

本文以一个小项目带你弄清ML的项目流程

这周做作业查资料时，无意中看到一个GitHub项目ML-web-app，它以PyTorch训练MNIST文字识别模型为例，介绍了从模型训练到部署上线的整个流程。是非常好的学习项目！下图是效果图:

笔者浏览了项目的代码,以学习为目的,简单解读下这个项目。

模型训练

模型训练是相对独立的部分，可以由算法工程师来做。总结起来就是调用PyTorch接口，建立一个神经网络，然后利用MNIST数据进行训练，最后把训练好的模型文件存储起来，后面部署的时候要用到。

服务部署

该项目使用Flask框架部署服务，为了方便阅读，笔者对代码进行了精简。

下面的代码中，通过加载预训练好的模型数据，得到模型实例，可以进行预测：

# initialize flask application
app = Flask(__name__)

# Read model to keep it ready all the time
model = MyModel('./ml_model/trained_weights.pth', 'cpu')

核心预测API路由