django - Django 中的机器学习(tensorflow/sklearn)？

Question

我有一个 django 表单，它正在收集用户响应。我还有一个 tensorflow 句子分类模型。将这两者结合在一起的最佳/标准方法是什么？详情:

1. tensorflow 模型是根据烂番茄的电影评论数据进行训练的。
2. 每当我的响应模型中产生新行时，我希望 tensorflow 代码对其进行分类(+或-)。
3. 基本上我有一个 django 项目目录和两个用于分类的 .py 文件。在继续之前，我想知道在网络应用程序中实现机器学习算法的标准方法是什么。

如果您能建议教程或存储库，那就太棒了。谢谢!

Answer 1

异步处理

如果您不需要将 ML 代码的分类结果立即传递给用户(例如，作为对提交的同一 POST 请求的响应)，那么您始终可以将分类作业排队在后台运行，甚至可以在具有更多 CPU/内存资源的不同服务器上运行(例如使用 django-background-tasks 或 Celery )

例如，排队任务将在字段为空(尚未分类)的数据库行上填充字段UserResponse.class_name(正、负)

实时通知

如果机器学习代码速度较慢，并且希望在结果可用时立即将结果返回给用户，您可以使用上述异步方法，并与实时通知配对(例如， socket.io 到浏览器 ( this can be triggered from the queued task )

如果 ML 执行时间太长，可能会导致下面描述的同步方法中的 HTTP 请求超时，则这是必要的。

同步处理，如果 ML 代码不是 CPU 密集型(足够快)

如果您需要立即返回分类结果，并且 ML 分类足够快*，您可以在 HTTP 请求-响应周期内执行此操作(POST 请求在 ML 代码完成后返回) ，同步)

_{*这里足够快意味着 HTTP 请求/响应不会超时，用户也不会失去耐心。}