23、使用CIFAR10数据集部署训练模型及跨平台应用开发

使用CIFAR10数据集部署训练模型及跨平台应用开发

1. 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，不过会有一些改进。以下是详细的操作步骤和代码实现。

1.1 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。为了使预测步骤更加模块化，我们使用 CIFAR10Predict 模块来预测CIFAR10数据集中图像的类别标签。

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行文