23、使用CIFAR10数据集部署训练模型及跨平台应用开发

sprite

于 2025-11-07 09:20:03 发布

阅读量15

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习实战：从入门到应用文章标签： CIFAR10 Flask Kivy

本文链接：https://blog.youkuaiyun.com/sprite/article/details/154636274

深度学习实战：从入门到应用专栏收录该内容

26 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

使用CIFAR10数据集部署训练模型及跨平台应用开发

一、使用CIFAR10数据集部署预训练模型

在使用CIFAR10数据集部署预训练模型时，我们会重复之前使用Fruits 360数据集部署模型的步骤，不过会有一些增强。以下是详细的操作步骤和代码实现。

1. 准备Flask应用

首先，我们需要导入整个应用所需的库，并创建一个Flask应用。为了让Flask应用的Python文件专注于视图函数，我们将预测步骤放在一个单独的模块 CIFAR10Predict 中。

import flask, werkzeug, os, scipy.misc, tensorflow
import CIFAR10Predict
app = flask.Flask("CIFARTF")

def redirect_upload():
    return flask.render_template(template_name_or_list="upload_image.html")

app.add_url_rule(rule="/", endpoint="homepage", view_func=redirect_upload)

if __name__ == "__main__":
    prepare_TF_session(saved_model_path='\\AhmedGad\\model\\')
    app.run(host="localhost", port=7777, debug=True)

在运行应用之前，我们需要确保该文件是主执