用Tensorflow+FastAPI构建图像分类API

源代码可以从https://github.com/aniketmaurya/tensorflow-web-app-starter-pack来获得

让我们从一个简单的helloworld示例开始

首先，我们导入FastAPI类并创建一个对象应用程序，该类有一些有用的参数，比如我们可以传递swaggerui的标题和描述。

from fastapi import FastAPI
app = FastAPI(title='Hello world')

我们定义一个函数并用@app.get，这意味着我们的API/index支持GET方法。这里定义的函数是异步的，FastAPI通过为普通的def函数创建线程池来自动处理异步和不使用异步方法，并且它为异步函数使用异步事件循环。

@app.get('/index')
async def hello_world():
    return "hello world"

图像识别API

我们创建一个API来对图像进行分类，并将其命名为predict/image。我们使用Tensorflow来创建图像分类模型。

Tensorflow图像分类教程:https://aniketmaurya.ml/blog/tensorflow/deep%20learning/2019/05/12/image-classification-with-tf2.html

我们创建了一个函数load_model，它将返回一个带有预训练权重的MobileNet CNN模型，即它已经被训练为对1000个不同类别的图像进行分类。