Python ML 模型与 Web 应用程序的集成答案

【问题标题】：Integration of Python ML Model with a web applicationPython ML 模型与 Web 应用程序的集成
【发布时间】：2018-03-11 03:04:11
【问题描述】：

让我们假设，我有一个使用 Tensorflow 库并执行功能的机器学习模型。

当然，该函数需要输入并提供一些输出。这可以在我的终端上轻松完成。

我需要帮助的地方来了，终端中的 IO 不是我想要的，我想创建一个具有多种功能的 Web 应用程序。让我们只考虑我的 ML 模型必须工作的区域，比如当我在输入输入后单击一个按钮时，它会运行 ML 模型并为我提供一个输出，我可以将其显示在我的 Web 应用程序上。

我可以使用 NodeJs 开发网站。是否有可能将 ML 模型与我的由 NodeJs 制成的 Web 应用程序集成？

我尝试在 child-process,python-shell 之类的包上运行，但没有任何效果，当涉及到导入包的位置时，它给了我一个错误。

请给我关于 ML 模型与 NodeJS Web 应用程序（使用 MongoDB 作为数据库）集成的建议。我只想让我的 Web 应用程序在任何需要的地方运行我的 ML 模型，以获得可以通过我的 Web 应用程序显示的结果。

还提供我有关可轻松与机器学习模型集成的技术的信息。

【问题讨论】：

【解决方案1】：

我也遇到了类似的问题。

在上一个回复的基础上，我会选择微服务架构设计。

例如使用 node.js 应用程序来处理前端请求，而 Python 服务器仅用于处理机器学习任务。

【讨论】：

【解决方案2】：

您需要围绕您的模型构建一个 python Web 应用程序，以向客户端（您的 nodejs 应用程序正在服务的网页）提供响应（您的模型的输出）。

Flask 和 Django 是其中的主要参与者。 REST 是最流行的元框架。

一旦你围绕你的模型构建了一个 REST API，你只需像任何资源一样在你的网页中通过 JavaScript 中的 HTTP/xmlhttprequest 查询它。

或者您可以尝试腌制您的模型并加载到 JavaScript 中以从您的 nodejs 应用程序中查询。

使用 IBM Cloud Functions 或 AWS Lambda 公开您的脚本/模型比其中任何一个都简单。非常简单且具有成本效益。

【讨论】：