Прежде чем углубиться в эту статью, почему нам нужно развернуть машинное обучение? Чтобы ответить на этот вопрос, я встретил много студентов, изучающих машинное обучение, которые построили отличные модели с большой точностью на невидимых данных. Однако чего-то не хватало, как эта модель будет использоваться в производственной среде? Большинство студентов не могут развернуть свои модели для использования в производственной среде. Чтобы погрузиться в процесс развертывания, я пишу серию статей, объясняющих различные методы развертывания простыми словами. Цель этой статьи — получить практические знания о фреймворке фляги.

Flask — это микровеб-фреймворк. Точнее, это программная среда, предназначенная для поддержки разработки веб-приложений. Что еще более важно, этот фреймворк написан на Python. Поскольку эта статья в основном посвящена практическому применению, для получения дополнительной информации о фляге вы можете прочитать статью Шиванги Сарин о фляге.

В этой статье развертывание фильтра спама осуществляется с использованием классификатора логистической регрессии.

После того, как все будет доработано, модель и векторизация представляют собой дампы в формате pickle. Эти файлы pickle важны, поскольку они используются в веб-приложении.
Перед запуском рекомендуется создать виртуальную среду. Ниже представлена ​​демонстрация создания виртуальной среды:

Перейдите в каталог вашего проекта.

виртуалэнв венв.

источник venv/bin/активировать.

Объяснение кода:

Line 1 and Line 2: Importing libraries.
Line 3: Creating the object of the flask.
Line 4 and Line 5: Loading the models.
Line 6: application will route to index, Here we are just printing, "This is your index page".
Line 7: When manipulating the index URL with "/spamorham" it will direct to this page where all the processing carried out. I have shown a demonstration below, so don't worry if you don't get this line.
Line 11 - 15: n this function, whatever the user writes the message it will store in the message variable and processing will carry out on this message and we will see the outcome.
Line 18: To run the application.

Демонстрация кода:

Что касается этой статьи, я не создавал веб-страницу для демонстрации (покажу в следующих статьях), поэтому для демонстрации я буду использовать postman api для тестирования.

На видео выше показана демонстрация использования flask.

Поскольку это первая часть серии развертывания модели с использованием flask framework. Надеюсь, вам понравится.

Цитаты:

[1] Стоянчо Туджарски: Развертывание моделей машинного обучения https://blog.netcetera.com/deploying-machine-learning-models-541323254a94