0°
PyTorch入门实战教程

利用 Flask 搭建 PyTorch 深度学习服务

不像Tensorflow自带了Tensorflow Server,Pytorch官方没有自带部署应用。因此如果想要把Pytorch用于生产环境,需要自己搭建Pytorch服务器。考虑到便利,本文直接利用Flask—一个轻量的Python服务器框架。

利用Flask传递Numpy Array

因为在整个Pytorch使用过程中,最核心的数据结构就是Tensor,基本构成就是多维数组,所以先实现传递Numpy Array。

Client

Server

然后先运行服务端,再运行客户端。可以得到:

说明我们成功通过网络传递了一个Numpy array。

加入Pytorch模型

模型训练与本文无关,故不做阐述。随便拿一个模型举例。该模型的功能为识别图中形状为正方形还是圆形,输入为3通道32*32的图像向量。文件结构如下:

-Model

—model.py

—model.pkl

随机形状生成器

先写一个随机生成正方形/圆形的模块。

运行可以看到生成了圆形和正方形。

测试下模型


可以得到:

模型能够正常运作。接下来尝试把模型部署到服务端,客户端向服务端传送图像。

Client

Server

同样先运行服务端,再运行客户端。可以得到:

实验成功!

源码链接:https://github.com/nofacer/Flask_Pytorch_Server

文章来源:Dustni知乎专栏

PyTorch入门实战教程
0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论