スポンサーリンク

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」

前回、Keras＋Flaskで構築したアプリをローカルサーバで動かすところまではやった。

http://twosquirrel.mints.ne.jp/?p=20440

今回は、Herokuにデプロイしてみたい。なお、今回は、以下の、手書き数字MNISTの分類（グレースケール画像としてMLPモデルで学習、推測）についてのアプリをHerokuにデプロイしてみたい。

http://twosquirrel.mints.ne.jp/?p=20515

（環境）
Windows 8.1
Anaconda 4.4.0
Python 3.6.1
Tensorflow 1.2.1
Keras 2.0.6
Ruby 2.3.3
Rails 5.1
Git

image

（１）フォルダ構成

image

result
static
templates
フォルダを作成

（２）templates/ フォルダの中に、index.htmlを作成して、以下のサイトのindex.htmlのコードをコピペ。

https://recipe.narekomu-ai.com/2017/10/chainer_web_demo_2/

image

（３）さらに、C:/py/keras/MNIST_MLP/ フォルダに、Flaskアプリの本体であるpredict.pyを作成して以下のコードをコピペ。

 

Anaconda Promtで、"python predict.py"と入力して、Flaskサーバを起動。

image

WEBブラウザで、http://localhost:5000 を開いて、ローカルで動くか試してみる

image

image

Anaconda Promtで、Ctrl + C　を入力して、predict.py を止めておく。

（４）herokuの登録とHeroku CLIのインストール

以下のサイトの通りにやる。

herokuにFlaskアプリをデプロイする
msrks
2017年05月10日に更新
https://qiita.com/msrks/items/c57e0168fb89f160d488

herkouに登録後、以下のリンクからHeroku CLIをダウンロードしてインストール

https://devcenter.heroku.com/articles/heroku-cli#windows
image

Anaconda Promptで、"heroku login"を入力してログイン

heroku login
（EmailとPasswordを入力してログイン）

image

（５）pythonアプリをデプロイ

# ローカルレポジトリを作成
git init

# requirement.txt に依存ライブラリを記述

pip install gunicorn
pip freeze > requirements.txt

image

image

これだとAnaconaに入っているすべてのpipが記載されてしまうので、
tensorflow keras flask h5py gunicorn
その他必要そうなものを残して、あとは消す。

image

# runtime.txtに pythonのバージョンを指定
echo python-3.6.0 > runtime.txt

# Procfileに webアプリの起動方法を指定
echo web: gunicorn app:app –log-file=- > Procfile

image

# .gitignore　ファイルの作製と編集
echo .python-version >> .gitignore

.gitignore　ファイルを開いて、以下のように変更。少なくとも、data とtestSetは追加する。

.python-version

 

data

testSet
keras2_MNIST_MLP_taining.ipynb
.ipynb_checkpoints
.vscode



image


herokuにデプロイ


$ heroku create
$ heroku buildpacks:set heroku/python

$ git add -A
$ git commit -m "deploy heroku"
$ git push heroku master
$ heroku ps:scale web=1
$ heroku open


image


image


image


Procfileの書き換え


web: gunicorn predict:app --log-file -


image


変更の反映


git add -A
git commit -m "change Procfile"
git push heroku master


image


image


heroku open


自動的にWEBブラウザが立ち上がり、開く。


image


image


動作確認する。


自分で画像を作って試してみる。


image


image


大丈夫そう。予測は間違っているが、、、


image


これは正解している。


今回は、グレースケール画像に変換してMLP（Multiplelayer Perceptron）モデルで手書き数字文字認識を行うアプリを作成した（コピペした）。


次は、カラー画像でCNN（Convolutional Neural Network）で同じことをやってみたい。（ノートパソコンでは厳しいかもしれないが、、、）


＜機械学習の本で一番お勧めの本＞




＜Kerasで一番お勧めの本＞




(参考)


RailsInstaller

http://railsinstaller.org/en

image


2017-01-29

コマンドでHerokuを操作する Heroku CLI のインストール

http://blog.w-hippo.com/entry/2017/01/29/143550


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/


herokuにFlaskアプリをデプロイする

msrks

2017年05月10日に更新

https://qiita.com/msrks/items/


Flask を触ってみる + Heroku で動かす

sqrtxx

2015年02月15日に更新

https://qiita.com/sqrtxx/items/2ae41d5685e07c16eda5


スポンサーリンク












AI,Keras,Python,機械学習
Posted by twosquirrel