![0fefac83b4b21ef59eb87c84b5142c06.png](https://i-blog.csdnimg.cn/blog_migrate/c34e3667a590da166b4058abb74f814f.jpeg)
什么是Flask?
Flask是基于Python编写的轻量级Web应用框架,用他可以实现深度学习模型部署为web应用,阅读完本文最终能够实现:
![794daf8d720005960d45c05a33ed1644.gif](https://i-blog.csdnimg.cn/blog_migrate/08eea1847e3f15cbb29d64b4cdc46b84.gif)
首先一个简单的例子了解一下flask的基本框架:
1. 下载flask
在anaconda prompt输入:
python -m pip --default-timeout=100 install -i https://pypi.tuna.tsinghua.edu.cn/simple flask
此方法来自于《万能pip install大法》。
2. 复制以下代码:
from flask import Flask
# 1. 定义app
app = Flask(__name__)
# 2. 定义函数
@app.route('/')
def hello_world():
return 'hello,word!'
# 3. 定义ip和端口
if __name__ == "__main__":
app.run(host='127.0.0.1', port=8080)
3. 运行后复制该地址到chrome浏览器
![33ab17f32312e75bfa3e3e951113445d.png](https://i-blog.csdnimg.cn/blog_migrate/8a4ceaf04004846c9c82855c9690214a.jpeg)
web端展示结果:
![4dde4cb6ab577304314a747fa1b37318.png](https://i-blog.csdnimg.cn/blog_migrate/7b1ab78acb9499da37af115be16e5f0d.jpeg)
了解完flask后,下面将进行基于flask的MNIST手写数字预测模型部署。
完成后终端会创建以下文件结构。这些文件包含:
- 前端web页面的框架结构(.html)
- 前端页面的样式(.css)
- 前端页面按钮的交互eg.predict和clear按钮(.js)
- 后台flask应用程序(.py)
- keras深度学习模型文件(.h5)
![9a583bc4693ecb3446f902fef5754e54.png](https://i-blog.csdnimg.cn/blog_migrate/0f396acf7ff471586606883a5c0bfeee.jpeg)
STEP 1:复制model.h5文件到py文件所在文件夹
Model.h5文件是在模型部署1/3-构建MNIST手写字深度学习模型生成的,同时也包含模型建立的过程。
更多的keras模型保存和加载的方式查看模型部署2/3-保存和加载Keras模型的三种方式。
STEP 2:创建index.js文件
创建