文書の過去の版を表示しています。
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機械学習したい場合は、Kerasがお勧めです。
（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
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