Flask和Docker部署Pytorch深度学习模型
模型训练
预先训练深度学习模型,保存训练后的模型或参数,此处采用图像分类模型。
Flask搭建模型
Flask是一个使用 Python 编写的轻量级Web应用框架,可通过$pip install flask
进行安装。
首先编写app.py文件
import os
from flask import Flask, render_template, request, redirect
import io
from PIL import Image
import uuid
import vision app = Flask(__name__)CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))
CACHE_FOLDER = os.path.join(CURRENT_DIR, 'static/')@app.route('/', methods=['GET', 'POST'])
def upload_file():if request.method == 'POST':if 'file' not in request.files:return redirect(request.url)file = request.files.get('file')if not file:return# 读取上传的图像img_bytes = file.read()image = Image.open(io.BytesIO(img_bytes))# 获得分类结果image_result, class_name, class_id = vision.classify_image(image)# 将图像保存于本地img_stream = str(uuid.uuid1()) + ".jpg"cache_name = CACHE_FOLDER + "/" + img_streamimage_result.savefig(cache_name, dpi=300, bbox_inches='tight')# 传递至模板return render_template('result.html',class_id=class_id,class_name=class_name,img_name='结果图像保存于/static/' + img_stream)return render_template('index.html')if __name__ == '__main__':# 地址需要是0.0.0.0,保证外机访问app.run(host="0.0.0.0", debug=True, port=5000)
构建Docker镜像
Docker 是一个开源的应用容器引擎,基于Go语言并遵从 Apache2.0 协议开源。 Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中,然后发布到任何流行的 Linux 机器上,也可以实现虚拟化。 容器是完全使用沙箱机制,相互之间不会有任何接口(类似 iPhone 的 app), 更重要的是容器性能开销极低。
Win 10安装Docker
安装Docker Desktop:https://hub.docker.com/editions/community/docker-ce-desktop-windows/
修改下载默认源
右键桌面右下角Docker Desktop图标,选择setting - Docker Engine,修改
"registry-mirrors": [ "http://hub-mirror.c.163.com" ]
,改为163源。修改镜像存放目录
默认镜像存放目录有足够容量可以跳过此步
首先查看setting - Docker Engine - Resources - Disk image location找到默认镜像存放目录,例如:C:\ProgramData\DockerDesktop\vm-data
。将文件夹vm-data剪切到想要改变的目标镜像存放目录,例如:D:\vm-data
。以管理员身份运行cmd,输入
$mklink /J "C:\ProgramData\DockerDesktop\vm-data" D:\vm-data
,创建符号链接。
镜像的创建
首先新建一个名为docker_test的文件夹,内部结构如下
docker_test
----flask_app // flask项目文件夹
--------app.py // flask加载文件
--------(其他项目内文件,包括模型文件)
--------requirement.txt
----Dockerfile
----sources.list
下面介绍各个文件的生成
requirement.txt
- 安装pipreqs:
$pip install pipreqs
- 在当前目录生成requirement.txt:
$pipreqs . --encoding=utf8 --force
,–force表示覆盖原requirement.txt。
sources.list
源列表,用于替换Ubuntu的默认源
deb-src http://archive.ubuntu.com/ubuntu xenial main restricted #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-updates main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates universe
deb http://mirrors.aliyun.com/ubuntu/ xenial multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-updates multiverse
deb http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-backports main restricted universe multiverse #Added by software-properties
deb http://archive.canonical.com/ubuntu xenial partner
deb-src http://archive.canonical.com/ubuntu xenial partner
deb http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted
deb-src http://mirrors.aliyun.com/ubuntu/ xenial-security main restricted multiverse universe #Added by software-properties
deb http://mirrors.aliyun.com/ubuntu/ xenial-security universe
deb http://mirrors.aliyun.com/ubuntu/ xenial-security multiverse
Dockerfile
Dockerfile 是一个用来构建镜像的文本文件,文本内容包含了一条条构建镜像所需的指令和说明。
基础镜像
可以在https://hub.docker.com/search?type=image上搜索想要的基础镜像文件,点击镜像页面上的Tags复制镜像下载命令,此处选择带有pytorch和ubuntu环境的镜像:
在命令行执行
$docker pull macio232/torch1.4.0-ubuntu18.04-extras:latest-nocuda
下载基础镜像。编写Dockerfile
# 基于的基础镜像 FROM macio232/torch1.4.0-ubuntu18.04-extras:latest-nocuda# 维护者信息 MAINTAINER name name@163.com#用ubuntu国内源替换默认源 RUN rm /etc/apt/sources.list COPY sources.list /etc/apt/sources.list# 代码添加到 code 文件夹 ADD ./flask_api_test /code# 设置 code 文件夹是工作目录 WORKDIR /code# 更新软件包列表 RUN apt-get update # 此处为cv2相关支持,无cv2可删去 RUN apt-get install -y libsm6 libxext6 libgl1-mesa-glx libglib2.0-0 # 安装相关支持 RUN pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple# 声明镜像内服务监听的端口 EXPOSE 5000CMD ["python", "/code/app.py"]
生成Docker镜像
在docker_test文件下执行$docker build -t user_name/image_name:tag .
,在用户user_name下生成名为image_name、标签为tag的镜像。
运行Docker镜像
$docker run -i -p 5000:5000 user_name/image_name:tag* Serving Flask app "app" (lazy loading)* Environment: productionWARNING: This is a development server. Do not use it in a production deployment.Use a production WSGI server instead.* Debug mode: on* Running on http://0.0.0.0:5000/ (Press CTRL+C to quit)* Restarting with stat* Debugger is active!
-i表示以交互模式运行容器,-p表示指定端口映射,接着即可在网址中输入localhost:5000
访问。
上传Docker镜像
私有仓库
右键桌面右下角Docker Desktop图标,选择setting - Docker Engine,修改
"insecure-registries": [ "user_name" ]
执行
$docker push user_name/image_name:tag
上传至user_name源
私有仓库的构建见:https://www.linuxidc.com/Linux/2018-03/151308.htm
Docker hub
- 点击https://hub.docker.com/ 注册账号
- 执行
$docker login
登陆 - 执行
$docker push user_name/image_name:tag
上传
Flask和Docker部署Pytorch深度学习模型相关推荐
- 【Flask和Docker部署Pytorch深度学习模型】
文章目录 1.模型训练 2.Flask搭建模型 3.构建Docker镜像 4.Win 10安装Docker 4.1.修改下载默认源 4.2.修改镜像存放目录 4.3.镜像的创建 4.4.基础镜像 4. ...
- docker部署机器学习/深度学习模型的容器化方案
文章目录 什么是docker docker的优点 docker image镜像 Dockerfile 文件 Dockerfile配置例子 创建docker镜像 docker container 容器 ...
- 利用docker部署TF深度学习模型(附件文件较大,并无上传。部署参考步骤即可)
一.介绍 docker: Docker 是一个开源的应用容器引擎,基于 Go 语言 并遵从 Apache2.0 协议开源. Docker 可以让开发者打包他们的应用以及依赖包到一个轻量级.可移植的容器 ...
- 如何布署 PyTorch 深度学习模型
如何布署 PyTorch 深度学习模型 原文可直接运行代码
- PyTorch 深度学习模型压缩开源库(含量化、剪枝、轻量化结构、BN融合)
点击我爱计算机视觉标星,更快获取CVML新技术 本文为52CV群友666dzy666投稿,介绍了他最近开源的PyTorch模型压缩库,该库开源不到20天已经收获 219 颗星,是最近值得关注的模型压缩 ...
- 收藏 | PyTorch深度学习模型训练加速指南2021
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:作者:LORENZ KUHN 编译:ronghuaiyang ...
- 百度大脑公开课:快速定制、部署高精度深度学习模型!
点击我爱计算机视觉标星,更快获取CVML新技术 模型压缩与应用部署交流群 关注最新最前沿的模型优化.网络压缩.知识蒸馏.应用部署技术,扫码添加CV君拉你入群,(如已为CV君其他账号好友请直接私信) ( ...
- 【基于 docker 的 Flask 的深度学习模型部署】
文章目录 1.前言 2.docker简介 3.基于Falsk的REST API实现 4.编写dockerfile 5.基于docker的模型部署 1.前言 模型部署一直是深度学习算法走向落地的重要的一 ...
- 2021-06-23对深度学习模型进行更小,更快,更好的综述——微软研究院
高效的深度学习:对深度学习模型进行更小,更快,更好的调查综述 摘要 一.引言 高效的深度学习 二.五个主要方面提升模型效率 2.1 压缩技术 2.2 学习技术 2.2 自动化 2.4 高效的架构 2. ...
最新文章
- Python学习笔记之爬取网页保存到本地文件
- Linux手动启动、停止多个服务用的shell脚本
- ES6 模块化的基本语法——默认导出 与 默认导入、按需导出 与 按需导入、直接导入并执行模块代码
- 一个关于c++ list迭代器的问题
- leetcode 147. 对链表进行插入排序
- 前端学习(601):集成react插件
- 安装好了python环境后如何打开_教你如何安装Python环境
- 入门 | 一文介绍机器学习中基本的数学符号
- JavaScript高级程序设计 总结(一)详细版
- Google最新算法 - 人肉搜索引擎
- 以直播场景为例对音视频相关概念扫盲
- 如何在南方CASS中内插高程点
- wmic memorychip
- 天津大学学硕和专硕的区别_专硕学硕的区别你弄明白了吗?听听学长学姐怎么说...
- 详解php与mysql的关系
- 交换机 路由器 DNS服务器基础实验
- 阿里直播在线人数只统计rtmp格式的播放源
- [0.0]-AutoSAR零基础学习-专栏介绍
- android qq隐藏功能,90﹪的人都不知道--手机QQ这些隐藏的功能!
- 从零开始入门推荐算法工程师