配置python程序debug/run,避免每次运行都会重复加载数据集或模型,节约大量等待时间

整体思路

  1. 使用轻量级的后端框架flask运行要加载的模型,作为后端,保持在后端运行
  2. 调用程序时直接使用url访问即可

需要用到的依赖包:

pip install flask

逐步构建

首先新建一个文件运行flask的文件,文件名随便:

from flask import Flask, request

app = Flask(__name__)


@app.route('/model', methods=['GET'])
def get_model():
    if request.method == 'GET':
        param = request.args.get("input", None)
        """调用模型处理""" 
        # 这里直接把传入的输出,可以在这里加入调用模型的逻辑
        return param


if __name__ == '__main__':
    app.run(host='127.0.0.1', debug=True, port='8999') # debug模式运行,如果不想看日志可以使debug=False

在本地浏览器中运行:http://127.0.0.1:8999/model?input="aaa",可以看到输出:

"aaa"

保持这个程序全程一直运行即可。

再次新建一个文件,用于调用这个接口:

import json
import requests


def use_flask(analyze_input) -> json:  # 传入待分析的文本,与token
    url = "http://127.0.0.1:8999/model" # 这里是访问的url
    request = requests.get(url, params={
        'input': analyze_input # 这里传入
    })
    if request.status_code == 200:
        return request.text


if __name__ == '__main__':
    data = use_flask("my_input_value")
    print(data)

当我们调试主程序时,不论运行多少次这个文件,都不会影响到flask的后端程序,因此可以方便我们多次快速调试。

如果有多个参数,可以在requests.get(url, params)这里添加

完整代码

Flask文件:

from flask import Flask, request

app = Flask(__name__)


@app.route('/model', methods=['GET'])
def get_model():
    if request.method == 'GET':
        param = request.args.get("input", None)
        """调用模型处理"""
        return param


if __name__ == '__main__':
    app.run(host='127.0.0.1', debug=True, port='8999')

使用示例:

import json
import requests


def use_flask(analyze_input) -> json:  # 传入待分析的文本,与token
    url = "http://127.0.0.1:8999/model"
    request = requests.get(url, params={
        'input': analyze_input
    })
    if request.status_code == 200:
        return request.text


if __name__ == '__main__':
    data = use_flask("my_input_value")
    print(data)

参考文章

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip基于LSTM的时间序列预测模型python源码+模型+数据集+详细代码注释.zip 【资源介绍】 该项目是个人毕设项目,答辩评审分达到95分,代码都经过调试测试,确保可以运行!欢迎下载使用,可用于小白学习、进阶。 该资源主要针对计算机、通信、人工智能、自动化等相关专业的学生、老师或从业者下载使用,亦可作为期末课程设计、课程大作业、毕业设计等。 项目整体具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现不同的功能。 欢迎下载交流,互相学习,共同进步!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

呆萌的代Ma

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值