文章目录
本博文优先在掘金社区发布！
前言
啥也不说了，来先看效果图
本来我是打算去把昨天在实验平台训练的模型拿到手的，结果当我早上起来一看，发现不知道为什么，可能是用的人多，我的云设备断开了，于是在训练了37轮之后就挂了。没办法我只能去重新训练，想着多训练几次，然后
不出意外又挂了，mad，人嘛了。
没办法我只能把昨天的模型拿过来，这个的识别率只有 62.4%。我其实还有想法去做那个涂鸦识别的，但是这个数据集太大了，网络到是有搭建好的，后面可以看看把人家训练好的模型拿过来，然后结合一下先前mediapipe做的demo，实在不行，把这个ciarf10拿过来，然后自己搞点数据集，也能分类涂鸦，没办法，复杂的神经网络模型，很难训练，没有设备GTX1650表示顶不住，一个VGG你都要训练好几天，所以只能拿这个玩玩。
环境
我这里使用的是 Django3.2
用的是我经常使用的一个测试项目（直接有现成的嘛）
然后是直接使用html css js 写的。
项目结构
这个我是直接在原来的测试项目里面创建的。也就是这样的。
我们的代码都在这APP里面。
当然还有就是，这里使用了一张背景图片
其他的就没有了，基本上就那样。
前端
现在上我们的前端代码
这个就两个页面
图片上传
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>图片识别Demo</title>
</head>
<style>
.center {
margin: 0 auto;
width: 80%;
border: 5px solid #18a0ec;
transition: all 0.9s;
border-radius: 10px;
background-image:url("/static/media/torchbackground.jpg") ;
background-repeat: no-repeat;
background-size: cover;
-webkit-background-size: cover;
-o-background-size: cover;
background-position: center 0;
}
.centerin{
width: 500px;
height: 500px;
margin: 0 auto;
padding: 10%;
border-radius: 10px;
}
button {
margin-left: 80%;
width: 20%;
height: 35px;
border-width: 0px;
border-radius: 3px;
background: #1E90FF;
cursor: pointer;
outline: none;
font-family: Microsoft YaHei;
color: white;
font-size: 17px;
}
#info{
width: 500px;
/* 这个居中 */
margin: 0 auto;
background: #9becff;
border-radius: 10px;
}
#info:hover {
box-shadow: 0px 15px 30px rgba(0, 0, 0, 0.4);
margin-top: 5px;
}
.tips{
text-align:center;
color:#fff;
text-shadow: #1e88e1 5px 5px 5px;
}
</style>
<body>
<div class="center">
<div class="centerin">
<div id="info">
<p class="tips" style="margin: 0 auto;">
本Demo是基于CIARF10模型和官方数据集进行构建的10分类模型，能够识别
{飞机，自行车,小鸟，小猫，小狗，小鹿，青蛙，小马，船，卡车}
@Huterox
</p>
</div>
<br>
<br>
<form action="{% url 'torch:hello' %}" enctype="multipart/form-data" method="POST">
<div style="background-color:#9becff; width: 100%; height: 300px;">
<img src="" id="showimg">
</div>
<br>
<input id="file" onchange="changepic(this)" type="file" name="pic"
style="height: 70px; display:inline-block;width: 50%;">
<button style="height: 40px;position: relative; margin-left: 29%;">确定</button>
</form>
</div>
</div>
</body>
<script>
function changepic() {
var reads = new FileReader();
f = document.getElementById('file').files[0];
reads.readAsDataURL(f);
reads.onload = function (e) {
var showing = document.getElementById('showimg');
var userpic = document.getElementById('userpic');
showing.src = this.result;
showing.style.height = "300px";
showing.style.width = "100%";
};
}
</script>
</html>
结果显示
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Answear</title>
</head>
<style>
.show {
margin: 100px auto;
width: 80%;
border: 5px solid #18a0ec;
transition: all 0.9s;
border-radius: 10px;
}
.show:hover {
box-shadow: 0px 15px 30px rgba(0, 0, 0, 0.4);
margin-top: 90px;
}
.tips{
text-align:center;
font: 50px helvetica,arial,sans-serif;
color:#fff;
text-shadow: #1e88e1 5px 5px 5px;
}
</style>
<body>
<div >
<div class="show">
<p class="tips">
{{ answear }}
</p>
</div>
</div>
</body>
</html>
后端
这个也没啥好说了，你配置好环境，就能搞了
模型部署
这里就是定义了一下我们的模型，还有模型调用。
# coding=utf-8
from torch import nn
from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential
class MyModule(nn.Module):
def __init__(self):
super().__init__()
self.model = Sequential(
Conv2d(3, 32, kernel_size=(5, 5), padding=2),
MaxPool2d(2),
Conv2d(32, 32, (5, 5), padding=2),
MaxPool2d(2),
Conv2d(32, 64, (5, 5), padding=2),
MaxPool2d(2),
Flatten(),
Linear(1024, 64),
Linear(64, 10)
)
def forward(self,x):
x = self.model(x)
return x
模型调用
# coding=utf-8
from PIL import Image
import torchvision
import torch
from PytorchDemo.ModuleTorch.MyModle import MyModule
def recognize_img(Image):
compose = torchvision.transforms.Compose([
torchvision.transforms.Resize((32, 32)),
torchvision.transforms.ToTensor()
])
module_path = "PytorchDemo/ModuleTorch/modulestate/mymodule_500.pth"
image = compose(Image)
module = MyModule()
module.load_state_dict(torch.load(module_path))
image = torch.reshape(image, (1, 3, 32, 32))
module.eval()
with torch.no_grad():
out = module(image)
return out.argmax(1).item()
路由
主路由
分路由
业务代码
这个都有解释
#coding = utf-8
from django.http import HttpResponse
from django.shortcuts import render
import asyncio
# Create your views here.
from django.views.decorators.clickjacking import xframe_options_sameorigin
from django.views.decorators.csrf import csrf_exempt
from PIL import Image
from PytorchDemo.ModuleTorch.CIARF10 import recognize_img
async def UseCIARF10(request,image):
# {飞机，自行车,小鸟，小猫，小狗，小鹿，青蛙，小马，船，卡车}
#是的这个view又是我从老demo里面改的，后来才想起来这是个运算密集型任务，异步同步没区别~
Things = {0:"飞机",1:"自行车",2:"小鸟",3:"小猫",4:"小鹿",
5:"小狗",6:"青蛙",7:"小马",8:"船",9:"卡车"
}
out = recognize_img(image)
out = Things.get(out,"No Answear")
print(out)
Data = {
"answear": "Answear maybe:{}".format(out)
}
return Data
@csrf_exempt
@xframe_options_sameorigin
def Hello(request):
if(request.method=="GET"):
return render(request,"Show.html")
elif(request.method=="POST"):
image = request.FILES.get('pic')
if(image):
image = Image.open(image)
loop = asyncio.new_event_loop()
asyncio.set_event_loop(loop) #设置事件循环
try:
res = loop.run_until_complete(UseCIARF10(request,image))
finally:
loop.close()
return render(request, "Answear.html",context=res)
else:
return render(request, "Show.html")
return HttpResponse("NO Power")
值得一提的是，在Django3.x支持了异步，但是对于一个view而言总体上还是同步的，sync view 对系统进行优化，当前视图遇到IO操作可以切换，为其他用户提供算力。之后操作完后一个return返回数据。
总结
拿到模型之后部署还是很简单的，后面的话，配合uwsgc Nginx 线上部署。然后在Django里面也是发现一些以前没发现的好玩的东西。最后提取祝大家新春快乐~虎年大吉