機械学習成果をwebで公開

差分

この文書の現在のバージョンと選択したバージョンの差分を表示します。

この比較画面にリンクする

両方とも前のリビジョン 前のリビジョン
次のリビジョン
前のリビジョン
機械学習成果をwebで公開 [2017/07/30]
adash333 [機械学習成果をWEBで公開している例]
機械学習成果をwebで公開 [2018/10/07] (現在)
ライン 2: ライン 2:
  
 Pythonでの機械学習の成果を、同じプログラミング言語であるPythonでWEB公開するとなると、[[http://​flask.pocoo.org/​|Flask]]がお勧めのようです。 Pythonでの機械学習の成果を、同じプログラミング言語であるPythonでWEB公開するとなると、[[http://​flask.pocoo.org/​|Flask]]がお勧めのようです。
 +
 +2017年10月現在、私が実行できたのが機械学習フレームワークKerasとWebアプリケーションフレームワークFlaskを用いて、Herokuにデプロイする方法でした。全て無料です。
 +
 +超個人的意見として、プログラミング初心者が画像を用いて機械学習を行う場合は、Kerasがお勧めです。日本語のドキュメントがあり、誰が書いても同じコードになりやすく、いざとなれば英語の解説がWeb上にたくさんあるからです。
 +
 +(1)以下に、Keras+Flaskでりんごとオレンジの識別をするサイトの作り方を記載しましたので、ご覧ください。
 +
 +Kerasで自前データで機械学習した成果をWEBで公開(Keras+Flask)(1)
 +2017/10/25 2017/​10/​26\\
 +http://​twosquirrel.mints.ne.jp/?​p=20440
 +
 +(2)次に、手書き数字画像を判別するアプリをherokuにデプロイする方法を記載してみました。
 +
 +Kerasで自前データで機械学習した成果をWEBで公開(Keras+Flask)(2)「FlaskアプリをHerokuで公開」\\
 +http://​twosquirrel.mints.ne.jp/?​p=20570
 +
 +(参考)\\
 +PHP file_get_contentsでAPIサーバーにGET,​POST,​画像アップロード\\
 +http://​symfoware.blog68.fc2.com/​blog-entry-1885.html
 +
 +
 +===== WEBアプリケーションフレームワーク =====
  
 http://​djangoproject.jp/​\\ http://​djangoproject.jp/​\\
ライン 16: ライン 38:
 http://​twosquirrel.mints.ne.jp/?​p=18028 http://​twosquirrel.mints.ne.jp/?​p=18028
 =====WindowsパソコンにFlaskをインストールする方法===== =====WindowsパソコンにFlaskをインストールする方法=====
 +
 +WindowsにAnacondaでPythonをインストールしていれば、Flaskは最初からインストールされている。
  
 Windows8.1でPythonのWEBフレームワークFlaskを試してみる\\ Windows8.1でPythonのWEBフレームワークFlaskを試してみる\\
ライン 22: ライン 46:
  
 =====機械学習成果をWEBで公開している例===== =====機械学習成果をWEBで公開している例=====
 +
 +犬と猫の写真を判定するウェブサービスを作ってみた\\
 +https://​qiita.com/​elm200/​items/​5b04a2be69a6fdf1e19c
 +
 +
 +
 2015-12-17\\ 2015-12-17\\
 TensorFlowと数式パーサで手書き電卓をつくった - Aizu Advent Calendar 2015\\ TensorFlowと数式パーサで手書き電卓をつくった - Aizu Advent Calendar 2015\\
 http://​masaponto.hatenablog.com/​entry/​2015/​12/​17/​235628 http://​masaponto.hatenablog.com/​entry/​2015/​12/​17/​235628
 +
 +https://​github.com/​llSourcell/​how_to_deploy_a_keras_model_to_production
 +
 +下のyoutubeを見ながらやるのが一番よいか。
 +
 +https://​www.youtube.com/​watch?​v=f6Bf3gl4hWY&​feature=youtu.be
 +
 +Javascript,​FormData\\
 +http://​www.koikikukan.com/​archives/​2014/​10/​07-005555.php
 +
 +https://​github.com/​arijitx/​learning-deep-learning-/​blob/​master/​README.md
 +
 +TensorFlow + Kerasでフレンズ識別する - その1: \\
 +https://​qiita.com/​croquette0212/​items/​0fc7562f1bd2c78f96bf
 +
 +https://​github.com/​gaborvecsei/​Iris-Classification-with-Heroku\\
 +Deep Learning on Heroku tutorial (Iris classification)\\
 +https://​gaborvecsei.wordpress.com/​2017/​01/​22/​deep-learning-on-heroku-tutorial-iris-classification/​
 +
 +
 +scikit-learnとflaskで簡単な機械学習✕Webアプリ
 +cvusk
 +2017年07月31日に更新\\
 +https://​qiita.com/​cvusk/​items/​5506f843bb375fca1f97
 +
 +TheanoなKerasをデプロイするときはNginx+uWSGI+Flaskが良さそう\\
 +http://​yoshoku.hatenablog.com/​entry/​2017/​03/​13/​003000
 +
 +AWSのEC2上で、FlaskとKerasを使ってAI ウェブアプリを動かす\\
 +https://​qiita.com/​msrks/​items/​06aa2eeaa0d01f6716ec
 +
 +
 +2017年5月25日 / 最終更新日 : 2017年9月15日 roy29fuku
 +Convolutional Neural Network
 +Azure + Tensorflow + Kerasで画像認識やってみた part3\\
 +http://​blog.roy29fuku.com/​machine-learninng/​deep-learning/​convolutional-neural-network/​azure-tensorflow-kerasで画像認識やってみた-part3/​
 +
 +Heroku\\
 +https://​qiita.com/​msrks/​items/​c57e0168fb89f160d488
 +
 +
 +https://​github.com/​hirasaki1985/​Keras_cnn_sample
  
 「Python機械学習プログラミング 達人データサイエンティストによる理論と実践」という本の「第9章 機械学習の適用2 -- Webアプリケーション」でも、Flaskを用いて、WEB公開しています。Python3です。 「Python機械学習プログラミング 達人データサイエンティストによる理論と実践」という本の「第9章 機械学習の適用2 -- Webアプリケーション」でも、Flaskを用いて、WEB公開しています。Python3です。
ライン 31: ライン 103:
 <iframe style="​width:​120px;​height:​240px;"​ marginwidth="​0"​ marginheight="​0"​ scrolling="​no"​ frameborder="​0"​ src="//​rcm-fe.amazon-adsystem.com/​e/​cm?​lt1=_blank&​bc1=000000&​IS2=1&​bg1=FFFFFF&​fc1=000000&​lc1=0000FF&​t=twosquirrel-22&​o=9&​p=8&​l=as4&​m=amazon&​f=ifr&​ref=as_ss_li_til&​asins=B01HGIPIAK&​linkId=1eef9c0e1ab6a5028ae9b68eb5d6dcb1"></​iframe>​ <iframe style="​width:​120px;​height:​240px;"​ marginwidth="​0"​ marginheight="​0"​ scrolling="​no"​ frameborder="​0"​ src="//​rcm-fe.amazon-adsystem.com/​e/​cm?​lt1=_blank&​bc1=000000&​IS2=1&​bg1=FFFFFF&​fc1=000000&​lc1=0000FF&​t=twosquirrel-22&​o=9&​p=8&​l=as4&​m=amazon&​f=ifr&​ref=as_ss_li_til&​asins=B01HGIPIAK&​linkId=1eef9c0e1ab6a5028ae9b68eb5d6dcb1"></​iframe>​
 </​html>​ </​html>​
 +
 +===== chainer =====
 +ChainerとFlaskで作る機械学習デモアプリ 後編 Webアプリの構築
 +2017/10/6
 +\\
 +https://​recipe.narekomu-ai.com/​2017/​10/​chainer_web_demo_2/​
 +
 +Chainer2に関しては、『Chainerv2による実践深層学習[新納浩幸]』という本に加えて以下の説明を読むと、非常に分かりやすい。(最初に読んだときはさっぱり分からなかったが、本でchainerを勉強した後に読むと、非常に分かりやすい。)
 +
 +機械学習フレームワークchainerを使って1からコードをかいてみる(mnist編)\\
 +https://​qiita.com/​mitmul/​items/​eccf4e0a84cb784ba84a
 +
 +
 +Chainer を活用したニューラルネットの学習 〜 Web API サーバの作成
 +\\
 +https://​qiita.com/​tanikawa/​items/​a0ecf10638f327f63f3e
 +ソースコード
 +https://​github.com/​tanikawa04/​imagenet-webapi-sample
 +
 +
 +フロントエンドphp、参考\\
 +https://​qiita.com/​k499778/​items/​fd02409919f02834e340
 +
 +
 +https://​stackoverflow.com/​questions/​38813592/​ionic2-and-angular2-image-upload-example
 +
 +
 +===== SONY neural network console =====
 +http://​arakan-pgm-ai.hatenablog.com/​entry/​2017/​10/​03/​003000
 +
 +
 +
 +
 +
 +
 +===== その他 =====
 +https://​torina.top/​detail/​332/​
 +
 +
 +
 +
 +
 +Djangoで、けものフレンズキャラの顔を認識させる(Deep Learning)\\
 +https://​github.com/​naritotakizawa/​kemono
 +===== リンク =====
 +
  
 前: 前:

機械学習成果をwebで公開.1501423535.txt.gz · 最終更新: 2018/10/07 (外部編集)