这篇教程如何使用flask将模型部署为服务写得很实用，希望能帮到您。
1. 加载保存好的模型
为了方便起见，这里我们就使用简单的分词模型，相关代码如下：model.py import jiebaclass JiebaModel: def load_model(self): self.jieba_model = jieba.lcut def generate_result(self, text): return self.jieba_model(text, cut_all=False) 说明：在load_model方法中加载保存好的模型，无论是sklearn、tensorflow还是pytorch的都可以在里面完成。在generate_result方法中定义处理输入后得到输出的逻辑，并返回结果。
2. 使用flask起服务
代码如下：test_flask.py # -*-coding:utf-8-*-from flask import Flask, request, Response, abortfrom flask_cors import CORS# from ast import literal_evalimport timeimport sysimport jsonimport tracebackfrom model import JiebaModelapp = Flask(__name__)CORS(app) # 允许所有路由上所有域使用CORS@app.route("/", methods=['POST', 'GET'])def inedx(): return '分词程序正在运行中'@app.route("/split_words", methods=['POST', 'GET'])def get_result(): if request.method == 'POST': text = request.data.decode("utf-8") else: text = request.args['text'] try: start = time.time() print("用户输入",text) res = jiebaModel.generate_result(text) end = time.time() print('分词耗时：', end-start) print('分词结果：', res) result = {'code':'200','msg':'响应成功','data':res} except Exception as e: print(e) result_error = {'errcode': -1} result = json.dumps(result_error, indent=4, ensure_ascii=False) # 这里用于捕获更详细的异常信息 exc_type, exc_value, exc_traceback = sys.exc_info() lines = traceback.format_exception(exc_type, exc_value, exc_traceback) # 提前退出请求 abort(Response("Failed!/n" + '/n/r/n'.join('' + line for line in lines))) return Response(str(result), mimetype='application/json')if __name__ == "__main__": jiebaModel = JiebaModel() jiebaModel.load_model() app.run(host='0.0.0.0', port=1314, threaded=False)说明：我们定义了一个get_result()函数，对应的请求是ip:port/split_words。 首先我们根据请求是get请求还是post请求获取数据，然后使用模型根据输入数据得到输出结果，并返回响应给请求。如果遇到异常，则进行相应的处理后并返回。在__main__中，我们引入了model.py的JiebaModel类，然后加载了模型，并在get_result()中调用。
3. 发送请求并得到结果
代码如下:test_request.py import requestsdef get_split_word_result(text): res = requests.post('http://{}:{}/split_words'.format('本机ip', 1314), data=str(text).encode('utf-8')) print(res.text)get_split_word_result("我爱北京天安门")说明：通过requests发送post请求，请求数据编码成utf-8的格式，最后得到响应，并利用.text得到结果。
4. 效果呈现
（1）运行test_flask.py 
（2）运行test_request.py 
并在起服务的位置看到： 
以上就是如何使用flask将模型部署为服务的详细内容，更多关于用flask将模型部署为服务的资料请关注51zixue.net其它相关文章！
教你用python控制安卓手机
自己搭建resnet18网络并加载torchvision自带权重的操作 |
