ユーザ用ツール

サイト用ツール


機械学習成果をwebで公開

機械学習成果をWEBで公開

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、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/

PythonのWebアプリケーションフレームワークとしては、Djangoが有名ですが、こちらは、ごついです。でも、Ruby on Railsが好きな方なら、FlaskよりもDjangoの方が好きになると思います。どちらを選ぶかは好みの問題だと思いますが、ここでは、flaskについて説明させていただこうと思います。

言語 Python Ruby
シンプル Flask Sinatra
フルスタック Django Ruby on Rails

Rails5.0とDjango1.9の比較
2017/6/6

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

2016/8/31

http://twosquirrel.mints.ne.jp/?p=9235

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

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

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。

<html>
<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>

===== 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:

機械学習用データの収集方法


目次


http://qiita.com/cvusk/items/5506f843bb375fca1f97

機械学習成果をwebで公開.txt · 最終更新: 2018/10/07 by 127.0.0.1

Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki