python - 如何为此机器学习模型设置 request.py？

Question

我正在关注这个online tutorial并使用 Python 部署机器学习模型。我已按照指示完成所有部分，包括创建 model.py 和 request.py 文件，并在终端中运行这些文件。

但是，我无法创建 request.py 文件来生成预测。我的 server.py 是:

# Import libraries
import numpy as np
import flask
import pickle

app = flask.Flask(__name__)

model = pickle.load(open("model.pkl","rb"))

@app.route('/predict', methods=['POST'])
def predict():
    feature_array = request.get_json()['feature_array']

    #our model rates the wine based on the input array
    prediction = model.predict([feature_array]).tolist()

    #preparing a response object and storing the model's predictions
    response = {}
    response['predictions'] = prediction

    #sending our response object back as json
    return flask.jsonify(response)

还有我的 request.py:

import requests
# URL
url = 'http://localhost:5000/request'

r = requests.post(url,json=[7.4,0.66,0,1.8,0.075,13,40,0.9978,3.51,0.56,9.4])
print(r.json())

Answer 1

将其导入到 server.py 文件中:

from flask import request

将其添加到 server.py 文件的末尾(用于在端口 5000 和 debug=True 运行服务器，以调试并解决错误，如果我们获取任何):

if __name__ == '__main__':
    app.run(port=5000, debug=True)

更新了 request.py 文件(您的代码缺少您在 server.py 文件中引用的 feature_array 键):

import requests, json
# URL
url = 'http://localhost:5000/predict'
r = requests.post(url, json={"feature_array":[7.4,0.66,0,1.8,0.075,13,40,0.9978,3.51,0.56,9.4]})
print(r.json())

在运行 request.py 文件之前运行 server.py。