这是快速指南上部署训练的模型给予只需点击几下。它配备了一个启动回购使用杰里米的熊影像分类模型,从第2课。

起动应用程序部署在https://fastai-v3.onrender.com

一次性设置

用叉子在GitHub上启动应用程序。

叉子https://github.com/render-examples/fastai-v3到你的GitHub帐户。

创建渲染帐户

注册为渲染帐户。你不需要信用卡上手。

每个项目设置

如果你只是想测试上渲染初始部署,启动回购被设置为默认使用杰里米的熊分类模型,从第2课。如果你想用自己的模型,请继续阅读。

上传你的训练模型文件

上传与创建的训练模型文件learner.export(例如export.pkl)到像谷歌驱动器或Dropbox的云服务。复制下载链接文件。

注意下载链接应直接和启动文件下载通常是从共享链接不同(这礼物你以下载文件)。

自定义应用程序的模型

  1. 检查您使用与你建立你的模型在Jupyter笔记本下面的命令是什么版本的软件包:!PIP列表
  2. 编辑文件requirements.txt回购内,使它们对应于您的Jupyter笔记本电脑所使用的那些更新软件包的版本。
  3. 编辑文件server.py在 - 的里面应用目录更新export_file_url与上述复制的URL变量。
  4. 在同一文件中,更新行类= [ '黑', '灰色', 'teddys']与类你从你的模型期待。

提交和推送更改到GitHub上。

请一定要保持在GitHub库您高于目前的创建。渲染集成了您的GitHub库,并自动生成并部署更改每次你推一个变化的时间。

部署

  1. 创建一个新的网络服务在渲染并使用上面创建的回购协议。您将需要渲染授予权限访问在这一步您的回购协议。

  2. 在部署屏幕上选择一个名称为您的服务和使用搬运工人为环境。该URL会使用这项服务的名称创建。服务名称可以根据需要进行更改,但最初创建的URL不能编辑。

  3. 请点击保存Web服务。而已!您的服务将开始建造,并应住在在URL几分钟在你的仪表盘渲染显示。您可以按照其在部署日志的进展。

测试

你的应用程序的URL看起来像https://service-name.onrender.com。为您测试您的应用程序还可以监视服务日志。

本地测试

要在本地运行应用程序服务器,在你的终端运行以下命令:

Python应用程序/服务server.py

如果您已经安装了多克,可以在相同的环境中测试您的应用程序的渲染通过在你的回购的根目录下运行以下命令的:

搬运工构建-tfastai-V3&&搬运工人运行- R M-它-p5000:5000 fastai-V3

HTTP://本地主机:5000 /测试你的应用程序。


感谢Simon Willison的示例代码。