Эта часть посвящена использованию FLASK для развертывания системы BookClassification.
- Функция прогнозирования: обработка входных данных и подготовка модели. Мы используем модель машинного обучения LightGBM, описанную в https://medium.com/@ruolanlin/bookclassifications-by-ml-part-1-a4a1911355b.
- Каркас фляги. Он включает в себя два файла: один файл HTML predict.html для ввода текстовых данных и показывает результат прогнозирования, другой файл app.py для обработки прогнозирования и возврата результата прогнозирования, а также для маршрутизации. Это очень простое приложение, развернутое на моем персональном компьютере, которое просто предсказывает результат и показывает результат. Это будет более привлекательно, если будет применено больше знаний и навыков веб-интерфейса. Лучше развернуть в облаке, это сложная модель, которая может обрабатывать большие объемы данных.
Введите данные: название и описание
Результат:
Детали кода, которые генерируют упомянутый выше результат, можно проверить здесь:
Справочник по инфраструктуре Flask для запросов GET и POST можно найти здесь:
Советы здесь:
Различные версии библиотек создают проблемы при отладке кода, поскольку для обработки данных и построения модели используется несколько разных библиотек, таких как sklearn, gensim, LightGBM, PyTorch (разработка функций в автоэнкодере). Для поддержки среды разработки лучше использовать докер.
