将训练好的Tensorflow模型部署到web应用中

最新推荐文章于 2026-03-05 02:34:40 发布

转载

最新推荐文章于 2026-03-05 02:34:40 发布 · 3.7k 阅读

标签

#人工智能 #python #操作系统

收录于

本文介绍了如何使用Flask快速搭建一个简单的Web应用来部署已训练的TensorFlow模型。通过学习Flask的基本用法和Jinja模板语言，可以将模型预测功能集成到网页中。详细步骤包括安装Flask、编写web.py文件以及设置HTML模板。运行应用后，用户可以通过网页与模型交互。

　　做一个简易web使用Flask是最好的选择，不仅上手快，使用也很便利。Django很强大也很好用，但一次就会创建一个项目的所需的文件，我觉得对于测试一个模型在web端有没有效果没必要用它。

　　flask依赖jinja和werkzeug，所以再稍微学一点jinja的语法即可。

　　关于TensorFlow如何保存/加载模型就不多说了（或者可以直接使用TensorFlow.js，但我用npm一直安装出错，遂放弃）。

　　首先安装flask：`pip install flask`。可能需要注意flask的环境变量问题，如果遇到，则自己网上找找办法吧。

　　然后在本地或者云端选择一个目录下创建一个python文件，名字自己取一个（例如`web.py`）。

　　以我自己写的为例吧，web.py文件内容大致如下：

from flask import *


app = Flask(__name__)


@app.route('/service', methods=['GET', 'POST'])
def service():
    if request.method == 'POST':
        input_x = string_floats(request.form['X'])
        from model import service
        g.output = service.predict(input_x) # 使用模型
        return render_template("page.html", output=g.output)
    return render_template("page.html")

　　page.html文件是这样的：