pytorch+flask+docker+ubuntu20部署

1. pytorch搭建模型、预测
2. flask提供接口服务
3. docker容器部署
4. ubuntu20操作系统上部署

pytorch搭建模型、预测

项目git：wangyuqiang / pubg_pos_classify

flask提供接口服务

见项目代码：run_flask.py

docker容器部署

参考文章：Flask + Docker 无脑部署新手教程

# build docker镜像
# --tag, -t: 镜像的名字及标签，通常 name:tag 或者 name 格式；可以在一次构建中为一个镜像设置多个标签。
sudo docker build -t 'testflask' .
# 查看镜像
sudo docker images

# 目标机安装docker
sudo apt-get install docker.io
# docker run
# 临时测试用
sudo docker run -it --rm -p 80:80 testflask
# 长久部署用 -d 以daemon方式运行
sudo docker run -d -p 80:80 --name test-flask-1 testflask

ubuntu20操作系统上部署

1. clone项目

git clone https://gitee.com/wangyuqiang0201/pubg_pos_classify.git

2. 测试项目可否运行

2.1 创建虚拟环境

参考文章：创建虚拟环境

2.2 激活环境

source ./pubg_pos_classify_env/bin/activate

2.3 在虚拟环境中安装包

# 注意：需切换为root根用户，不然会因为权限而安装失败
sudo -s
# 不能加sudo，否则会安装在根环境
pip install flask torch torchvision pillow

2.4 开启端口

相关文章：ubuntu20开启端口

sudo apt update
sudo apt install ufw  # 安装 UFW
sudo ufw status verbose  # 查看状态
ufw enable # 开启 UFW
ufw allow 5000  # 开启5000端口
ufw reload  # 重启 UFW

2.5 运行flask

# 如果是简单的app.run
app.run(debug=True,host='0.0.0.0',port=5000)
# 如果是create_app创建的app，则
python manage.py runserver -h 127.0.0.1 -p 8090

# 使用gunicorn gevent（）的情况下
# 需要将if __name__ == "__main__":下面的全局变量写到外面执行
# 比如load_model函数初始化模型参数，不然会找不到模型，为NoneType
gunicorn run_flask:app -c gunicorn.conf.py  # 启动的.py文件名和app变量名，并指定配置文件

2.6 请求代码

# 客户端运行post_image.py
python post_image.py

2.7 导出requirements.txt

pip freeze >  requirements.txt