サルでもわかる機械学習

前回までで、公式Githubのtrain_mnist.pyを解説しながら、chainer2プログラミングの流れを追ってきました。

機械学習結果をWebで公開する流れとしては、以下のようになります。

1. train_mnist.pyの最後の方にモデルパラメータの保存のコードを追加
2. train_mnist.pyを再度実行
3. WebアプリケーションフレームワークFlaskのコードであるserver.pyの作成
4. templates/フォルダとstaticフォルダの作成
5. templates/フォルダ下にindex.htmlを作成
6. ローカル環境(自分のパソコン)でserver.pyを実行して、Webブラウザで動くことを確認
7. (Heroku、AWSやさくらインターネット)デプロイして、Webで公開

具体的な方法は、以下の記事の後半をご覧下さい。(自分のパソコンでserver.pyを実行するところまでとなります。)

「Chainer v2による実践深層学習」を写経してみる（１）MNIST-NN

http://twosquirrel.mints.ne.jp/?p=20034

ChainerとFlaskで作る機械学習デモアプリ 前編 モデルの作成と保存
2017/10/6
https://recipe.narekomu-ai.com/2017/10/chainer_web_demo_1/

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/

公式Github　MNIST tag v2 chainer/examples/mnist/train_mnist.py
https://github.com/chainer/chainer/blob/v2/examples/mnist/train_mnist.py