CV模型部署Flask部署pytorch分类模型

Posted 2021-06-05 小王学长的笔记

最近看到 朋友家养了 一只 很可（han）爱（han）的猫，每次看到它 一脸无辜的样子，我都很开心。

（怎么会有这么可爱的喵喵！我想知道 这只可爱的喵喵，是什么品种，但是 不好意思 问 它 的主人，我该怎么办呢？

作为一名计算机视觉研究员，遇事不决当然是上模型啦！

让我们一起跟着小王学长动起来，学习如何用Flask部署简单的分类模型～

1、下载模型代码

# 关注微信公众号号，回复"flask_ai" 即可获得 模型代码仓库地址。git clone https://github.com/xxx/xxx.git

2、虚拟环境安装

前置条件 Anaconda 安装成功

cd flask_ai# 配置虚拟环境conda create -n flask_ai python=3.7# 激活虚拟环境conda activate flask_ai# 下载依赖pip install -r requirements.txt

3、运行代码

主要包括 服务端 和  客户端 的通讯 。

1）服务端接收请求情况，准备接受来自 其他主机或者浏览器的请求！

FLASK_ENV=development FLASK_APP=app.py flask run

2）其他主机向远程主机传递图片并获得预测结果

curl -X POST -F file=@cat.jpeg http://127.0.0.1:5000/predict

3）从浏览器发出请求，图片在服务端本地

http://127.0.0.1:5000/predict?path=/data/Projects/Flask/deploy/flask_ai/cat.jpeg

O(∩_∩)O哈哈哈~，看来用了简单的分类模型之后，我有了答案，原来这只可（无）爱（辜）的喵喵是 英短，回头 有机会 我也要养一只～

到这里，基于Flask框架的简单的pytorch分类模型部署就结束了～

有不清楚的欢迎留言和我沟通！

报错 Q1、

ImportError: libcudart.so.9.0: cannot open shared object file: No such file or directory

解决方案：大部分情况下是环境没有配好，以下是第一种可靠的解决方法：

cd ~sudo vi .bashrc// 下滑到文件末，添加以下内容export PATH=$PATH:/usr/local/cuda/binexport LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64// 刷新.bashrcsource .bashrc// 以上解法是对生成了软连接的情况；如果没有生成软连接，则把以上的cuda改为cuda-9.0

如果添加好了环境，还是出现同样的报错，则可以尝试以下解法：

cd ~sudo cp /usr/local/cuda-9.0/lib64/libcudart.so.9.0 /usr/local/lib/libcudart.so.9.0 && sudo ldconfigsudo cp /usr/local/cuda-9.0/lib64/libcublas.so.9.0 /usr/local/lib/libcublas.so.9.0 && sudo ldconfigsudo cp /usr/local/cuda-9.0/lib64/libcurand.so.9.0 /usr/local/lib/libcurand.so.9.0 && sudo ldconfig

关于我

大家好，我是你们的小王学长，毕业于华五高校。

我曾在校期间，获得过头条、阿里、腾讯等多家大厂的SSP。因为追求Geek精神，选择加入商汤担任研究员。

如果您觉得本文还不错的话，欢迎赞赏哈~