代码实现-flask部署模型与接口调用

近期因为项目交付，需要将自己做的模型部署为服务，并且满足调用，所以这几天学习了如何部署简单的flask服务。下面就对这些内容进行简要记录：

目录

准备

服务部分

 接口调用

---

准备

1.已经训练好的模型（这里使用jieba分词代替）

2.安装了flask的环境

服务部分

首先构建服务部分的代码：

flask_jieba.py

# -*- coding: utf-8 -*-
import numpy as np
from flask import Flask
from flask import request
from flask import jsonify
import jieba, math
import jieba.analyse
import json

# myModel = "" 也可以在这里引入自己的机器学习模型

app = Flask(__name__)
 
@app.route('/func',methods=['POST','GET'])
def output_data():
    text = request.json
    dict_input = json.loads(text)
    if text:
        temp = jieba.lcut(dict_input["query"])
        return json.dumps({"result": temp})
    else:
        return "Error input."
    
if __name__ == '__main__':
    app.config['JSON_AS_ASCII'] = False
    app.run(host='0.0.0.0',port=5050)  # 127.0.0.1 #指的是本地ip
    
print('运行结束')

然后在cmd（Windows系统）/ 终端（MacOS或者Linux系统）中运行上述服务：

>>> python flask_jieba.py

服务正确启动后会输出下面的内容：

 接口调用

在服务启动后，构建接口调用的代码：

request.py

# -*- coding: utf-8 -*-
import json
import requests


url = 'http://x.x.x.x:5050//func'
data_json = json.dumps({"query": "我想大口吃肉大碗喝酒！！！"})
response = requests.post(url, json=data_json)
result = response.json()
print(result)
str_ret = result['result']
print(str_ret)

构建好以后，在终端或cmd中运行request.py代码：

>>> python request.py

运行结果如下图所示：

 思考与总结是前进的基石！