In diesem Projekt (GitHub) soll das zuvor trainierte TensorFlow Modell als Web Service bereitgestellt werden, welches Bilder klassifizieren kann. Um den Service zu nutzen kann ein Bild per POST Request an den Server geschickt werden und dieser würde dann eine Antwort mit der Vorhersage aus dem trainierten Model zurück liefern.
Der Vorteil von so einem Web Service ist, dass jede Applikation (Desktop, Mobile usw.) mit sehr einfachen Mitteln an den Service angebunden werden kann. Da dies eine Standard REST Schnittstelle ist, ist die Implementierung in vielen Programmiersprachen sehr schnell möglich.
Um ein eigenes Model einzubinden, muss man die Dateien „labels.txt“ und „saved_model“ mit einem eigenen trainierten Model und dessen Labels ersetzen.
Der Aufruf an den Server hat folgende Struktur und Rückgabewert im „Postman“.
Weitere Informationen über Installation und Deployment kann auf der GitHub Seite nachgelesen werden. Um ein entsprechendes Modell zu erstellen kann dieser Beitrag „Bilderkennung mit Retraining in Google Colab“ helfen.
Falls man auf die Seite im lokalem Netztwerk zugreifen will, um z.B. Apps, die auf die Webseite zugreifen, zu testen, kann man mit folgenden Schritten den Service bei sich zuhause verfügbar machen.
- Im settings.py, ALOWED_HOSTS[„*“] setzen
- Im Virtual Environment den Server starten: python manage.py runserver 0.0.0.0:8888
- Neues CMD Fenster öffnen: ipconfig. Die IPv4-Adresse kopieren
- Auf dem Handy im Browser die folgende Adresse aufrufen: http://[IPv4-Adresse]:8888/upload
Neueste Kommentare