瞎采新闻 如果读者使用过百度等的一些图像识别的接口，比如百度的细粒度图像识别接口，应该了解这个过程，省略其他的安全方面的考虑。这个接口大体的流程是，我们把图像上传到百度的网站上，然后服务器把这些图像转换成功矢量数据，最后就是拿这些数据传给深度学习的预测接口，比如是PaddlePaddle的预测接口，获取到预测结果，返回给客户端。这个只是简单的流程，真实的复杂性远远不止这些，但是我们只需要了解这些，然后去搭建属于我们的图像识别接口。
了解Flask安装flask很简单，只要一条命令就可以了：
pip install flask同时我们也使用到flask_cors，所以我们也要安装这个库
pip install flask_cors创建一个paddle_server.py文件，然后编写一个简单的程序，了解一些如何使用这个Flask框架，首先导入所需的依赖库：
import os import uuid import numpy as np import paddle.fluid as fluid from PIL import Image from flask import Flask, request from flask_cors import CORS from werkzeug.utils import secure_filename编写一个hello_world()函数，使用@app.route('/')是指定访问的路径，该函数的返回值是一个字符串Welcome to PaddlePaddle：
# 根路径，返回一个字符串 @app.route('/') def hello_world(): return 'Welcome to PaddlePaddle'然后启动这个服务，如果是在Ubuntu的话，可能是需要在root下执行这个程序。
if __name__ == '__main__': # 启动服务，并指定端口号 app.run(port=80)然后浏览器访问http://127.0.0.1，返回之前写好的字符串：
Welcome to PaddlePaddle要预测图片，上传图片是首要的，所以我们来学习如何使用Flask来上传图片。
secure_filename是为了能够正常获取到上传文件的文件名/upload指定该函数的访问地址methods=['POST']指定该路径只能使用POST方法访问f = request.files['img']读取表单名称为img的文件f.save(img_path)在指定路径保存该文件# 上传文件 @app.route('/upload', methods=['POST']) def upload_file(): f = request.files['img'] # 设置保存路径 save_father_path = 'images' img_path = os.path.join(save_father_path, str(uuid.uuid1()) + secure_filename(f.filename).split('.')[-1]) if not os.path.exists(save_father_path): os.makedirs(save_father_path) f.save(img_path) return 'success, save path: ' + img_path然后再次启动服务
if __name__ == '__main__': # 启动服务，并指定端口号 app.run(port=80)然后再创建index.html文件，编写一个表单，指定表单提交的路径http://127.0.0.1/upload，并设置表单提交数据的格式multipart/form-data，而且支持表单提交方式是POST。
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>预测图像</title> </head> <body> <!--上传图片的表单--> <form action="http://127.0.0.1/upload" enctype="multipart/form-data" method="post"> 选择上传的图像：<input type="file" name="img"><br> <input type="submit" value="上传"> </form> </body> </html>打开我们编写的网页，选择需要上传的图片，点击上传。成功后返回类似以下的字符串，图片会保存在images目录下。
success, save path: images/65d7661a-3892-11e9-a7b7-f44d30185f58jpg预测服务在paddle_server.py中添加一个图片文件预处理函数，这个函数的参数是根据已经上传并保存到服务器上图片的路径，根据处理对图片进行预处理，并返回处理否的图片数据：
# 预处理图片 def load_image(file): img = Image.open(file) # 统一图像大小 img = img.resize((224, 224), Image.ANTIALIAS) # 转换成numpy值 img = np.array(img).astype(np.float32) # 转换成CHW img = img.transpose((2, 0, 1)) # 转换成BGR img = img[(2, 1, 0), :, :] / 255.0 img = np.expand_dims(img, axis=0) return img以下就是PaddlePaddle代码，这次我们使用《PaddlePaddle从入门到炼丹》十一——自定义图像数据集识别训练保存的预测代码。
# 创建执行器 place = fluid.CPUPlace() exe = fluid.Executor(place) exe.run(fluid.default_startup_program()) # 保存预测模型路径 save_path = 'infer_model/' # 从模型中获取预测程序、输入数据名称列表、分类器 [infer_program, feeded_var_names, target_var] = fluid.io.load_inference_model(dirname=save_path, executor=exe)以下就是这个后端服务项目的核心代码，该函数主要的功能是接受上传的图片，对图片进行预测，最后返回预测的结果。预测的方式和之前的图片预测的方式一样的。
@app.route('/infer', methods=['POST']) def infer(): f = request.files['img'] # 保存图片 save_father_path = 'images' img_path = os.path.join(save_father_path, str(uuid.uuid1()) + '.' + secure_filename(f.filename).split('.')[-1]) if not os.path.exists(save_father_path): os.makedirs(save_father_path) f.save(img_path) # 开始预测图片 img = load_image(img_path) result = exe.run(program=infer_program, feed={feeded_var_names[0]: img}, fetch_list=target_var) # 显示图片并输出结果最大的label lab = np.argsort(result)[0][0][-1] names = ['苹果', '哈密瓜', '胡萝卜', '樱桃', '黄瓜', '西瓜'] # 打印和返回预测结果 r = '{"label":%d, "name":"%s", "possibility":%f}' % (lab, names[lab], result[0][0][lab]) print(r) return r启动服务
if __name__ == '__main__': # 启动服务，并指定端口号 app.run(port=80)在index.html文件增加一个表单，这个是访问的地址就是上面服务中的预测函数的访问路径：
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>预测图像</title> </head> <body> <!--调用服务器预测接口的表单--> <form action="http://127.0.0.1/infer" enctype="multipart/form-data" method="post"> 选择预测的图像：<input type="file" name="img"><br> <input type="submit" value="预测"> </form> </body> </html>打开我们刚才编写的网页，选择需要预测的图片，点击预测。成功后返回类似以下的字符串，识别类别的标签，名字，还有该类别的概率。
{"label":1, "name":"哈密瓜", "possibility":0.982786}GitHub地址：https://github.com/yeyupiaoling/LearnPaddle2/tree/master/note14
上一章：《PaddlePaddle从入门到炼丹》十三——自定义图像数生成下一章：《PaddlePaddle从入门到炼丹》十五——把预测模型部署到Android手机上参考资料https://blog.csdn.net/qq_33200967/article/details/79571511http://blog.csdn.net/u011054333/article/details/70151857 ---来自腾讯云社区的---夜雨飘零
微信扫一扫打赏 
支付宝扫一扫打赏