python模型部署到服务器_使用基于python的flask框架在服务器端部署机器学习模型pmml格式文件...

安装anaconda环境

访问https://www.anaconda.com/products/individual

拉到底部，下载并安装相应版本的anaconda

命令行输入conda -V，查看是否安装成功

开发

安装flask、pypmml

命令行输入

pip install flask

pip install pypmml

新建server.py并写入

from flask import Flask, jsonify, request

import json

from pypmml import Model

app = Flask(__name__)

@app.route('/predict', methods=['POST'])

def predict():

input_json = request.get_data(as_text=True) #调用服务器时输入的json字符串

dict_json = json.loads(input_json)

model = Model.load('lr_model.pmml')#加载模型文件

result = model.predict(dict_json)

return jsonify({'probability(0)':result['probability(0)'],'probability(1)':result['probability(1)']})

if __name__ == '__main__':

app.run()

将pmml格式的模型文件放在同一目录

执行server.py

命令行输入

%run server.py

测试接口

使用postman请求http://127.0.0.1/predict ，注意是post请求，需携带模型需要的参数，发送即可看到结果返回

进程管理

可以使用gunicorn、pm2等进行进程管理

pm2 start main.py -x --interpreter python