深度学习Web端服务搭建及部署服务器

本文章的所有代码和相关文章， 仅用于经验技术交流分享，禁止将相关技术应用到不正当途径，滥用技术产生的风险与本人无关。
本文章是自己学习的一些记录。

主要配置信息

• 前端：html、css、js等
• 后端：python、flask

开始

以前做深度学习的时候，基本上是在本地的物理机上面做的，偶尔开发一个桌面应用软件客户端进行使用，由于现在的技术潮流更多的是朝着简便、适用、小程序的方向发展，所以本文就简单搭建一个深度学习模型的web端部署以及部署阿里云服务器的应用。这里主要介绍后端框架搭建、前端设计以及前后端的交互。

训练模型

首先对于web端的应用，需要调用训练好的模型，将训练好的模型保存好。本文使用的是tensorflow框架，你的什么框架都行，主要是你的测试程序跑的通，能把预测结果打印出来或者检测结果显示出来就行，适用于分类识别和目标检测。

前端设计

本文的前段设计两个网页，分别为home.html和result.html，home的作用是打开网页后的显示页面，result是点击识别按钮的识别结果显示页面，上菜，不对，上代码：
home.html

    
      
          
深度学习XXXXX识别

          
"POST" action="/test">
               输入图片路径 : "text" name="a" placeholder="路径">


              "submit" value="predict">
          
          "static\3.jpg" alt="yu">
      
    

result.html

    
         
        
识别结果 : 
    
{{pred}}
        


        


        


        


        


        "/">go back to home page
    

通过调用模型最终显示出识别的结果，其中result.html中的pred为后端与前端的交互返回

后端设计

主要应用python和flask框架搭建后端，对于创建flask就和创建一个新的项目project一样，在pycharm就可完成。直接上代码app.py：

from flask import Flask,render_template,request
import numpy as np
import flask
import tensorflow as tf
app = Flask(__name__)

@app.route('/',methods = ['POST','GET'])
def man():
    return render_template("home.html")

@app.route("/test",methods=["POST"])
def home():
   '''这个函数下面可以写你的预测程序，将最后的预测结果写在下面的A处即可'''
            return render_template("after.html", pred='识别结果为：%s' % (A))

if __name__ == '__main__':
    app.run()

home这个函数下面可以写你的预测程序，将最后的预测结果写在下面的A处即可’
通过点击会返回识别结果页面，所以设置为post请求，这个后端的框架适用于各种各样的检测程序。

效果

前端初始页面：

识别结果页面：

红色箭头部分是点击就可以返回初始的界面。
通过写入我们要识别的图像的路径，点击即可开始识别。

部署到阿里云服务器

之前写过一篇博客是关于部署阿里云服务器的教程：
https://blog.csdn.net/hijacklei/article/details/107830177
参考这个即可完成部署任务

部署到阿里云服务器目前出现的问题

不是在阿里云服务器前端显示后端部分调用没啥问题，就是出现了一个转码问题，服务器返回的日志文件找到了具体的错误：

这几天准备考试了，就暂时这样吧，后续解决了，更新本篇博客。