机器学习|如何将机器学习模型部署到.NET环境？-控件新闻-慧都网

机器学习|如何将机器学习模型部署到.NET环境？

原创|使用教程|编辑：郑恭琳|2018-01-11 09:55:23.000|阅读 637 次

概述：Python和R是实现ML应用程序的两种非常流行的语言，在野外部署通常需要与用另一种语言编写的应用程序集成。

#慧都22周年庆大促·界面/图表报表/文档/IDE/IOT/测试等千款热门软控件火热促销中>>

开始：Flask

我们可以使用Flask作为共享和主持我们的机器学习预测的一种方式。让我们使用来自Kaggle比赛的著名的Titanic数据集。首先，创建一个新文件，并将其命名为titanic_app.py（或任何你想要的名称）。导入并初始化Flask应用程序；然后在底部启动服务器。在中间留出空间，以便稍后添加模型和路径。

import flask
app = flask.Flask(__name__)
#-------- MODEL GOES HERE -----------#
#-------- ROUTES GO HERE -----------#
if __name__ == '__main__':
'''Connects to the server'''
HOST = '127.0.0.1'
PORT = 4000      #make sure this is an integer
app.run(HOST, PORT)

请注意，我们指定了我们希望应用程序运行的主机和端口。

创建和训练模型

加载Titanic数据集并在其上创建一个模型：

#-------- MODEL GOES HERE -----------#
import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
df = pd.read_csv('data/titanic.csv')
include = ['Pclass', 'Sex', 'Age', 'Fare', 'SibSp', 'Survived']
# Create dummies and drop NaNs
df['Sex'] = df['Sex'].apply(lambda x: 0 if x == 'male' else 1)
df = df[include].dropna()
X = df['Pclass', 'Sex', 'Age', 'Fare', 'SibSp']
y = df['Survived']
PREDICTOR = RandomForestClassifier(n_estimators=100).fit(X, y)

制作一个简单的API

这是有趣的部分。现在我们有一个PREDICTOR，我们需要得到一些值来做出我们的预测。一种方法是从URL参数中获取信息，这些参数是出现在URL中的？之后的key:value对。例如，如果您导航到//localhost:4000/predict?pclass=1&sex=1&age=18&fare=500&sibsp=0，则Flask可以为您检索该数据。

我们写一条路径来做到这一点：

#-------- ROUTES GO HERE -----------#
@app.route('/predict', methods=["GET"])
def predict():
pclass = flask.request.args['pclass']
sex = flask.request.args['sex']
age = flask.request.args['age']
fare = flask.request.args['fare']
sibsp = flask.request.args['sibsp']
item = [pclass, sex, age, fare, sibsp]
score = PREDICTOR.predict_proba(item)
results = {'survival chances': score[0,1], 'death chances': score[0,0]}
return flask.jsonify(results)

保存文件并启动您的应用程序。您的模型现在有一个简单的API！

部署到.NET环境

在您的.NET环境中部署Flask有很多选择——它们将大大依赖于您的基础架构选择。为了让您了解这个过程，我们来看看使用Microsoft Azure部署到IIS环境。

我会假设你：

已经创建了一个Azure Cosmos数据库（这篇文章的范围之外，详情请参阅）。
已经创建了一个Flask Web应用程序（正如我们上面所经历的）。
熟悉Azure和Visual Studio。

如果您已正确设置环境，则可以将您的Web应用程序部署到Azure。这可以通过创建一个web.config文件来更新Web服务器上的文件来匹配您的实例中的文件。为此，请执行以下步骤：

在Visual Studio Solution Explorer中，右键单击该项目并选择Add > New Item。在出现的对话框中，选择Azure web.config（Fast CGI）模板，然后选择确定OK。这会在您的项目根目录下创建一个web.config文件。

修改web.config，使路径与Python安装相匹配。例如，对于Python 2.7 x64，条目应该如下所示：

< system.webServer >
    < handlers >
        < add name="PythonHandler" path="*" verb="*" modules="FastCgiModule" scriptProcessor="D:\home\Python27\python.exe|D:\home\Python27\wfastcgi.py" resourceType="Unspecified" requireAccess="Script"/ >
    < /handlers >
< /system.webServer >

将web.config中的WSGI_HANDLER条目设置为tutorial.app，以匹配项目名称，如下所示：

< !-- Flask apps only: change the project name to match your app -- >
< add key="WSGI_HANDLER" value="tutorial.app"/ >

在Visual Studio Solution Explorer中，展开tutorial文件夹，右键单击静态文件夹，选择Add> New Item，选择Azure静态文件web.config模板，然后选择OK。此操作将在禁用该文件夹的Python处理的静态文件夹中创建另一个web.config。该配置将静态文件的请求发送到默认Web服务器，而不是使用Python应用程序。
保存文件，然后右键单击解决方案资源管理器中的项目（确保您还没有在本地运行），然后选择发布。
在发布“Publish”对话框中，选择“Microsoft Azure App Service”，选择新建“Create New”，然后单击发布“Publish”。
在“Create App Service”对话框中，输入您的Web应用程序的名称以及订阅、资源组和应用程序服务计划。然后，点击创建。
几秒钟后，Visual Studio完成将文件复制到服务器，并在//.azurewebsites.net/页面上显示以下错误消息：“The page cannot be displayed because an internal server error has occurred.”。
在Azure门户中，打开您的新的应用程序服务帐户。在导航菜单中，向下滚动到开发工具（Development Tools）部分，选择扩展（Extensions），然后单击添加（Add）。
在“Choose Extension”页面中，向下滚动到最新的Python 2.7安装并选择x86或x64位选项，然后单击“OK”接受法律条款。
使用Kudu控制台，您可以通过//.scm.azurewebsites.net/DebugConsole找到它，以安装应用程序的requirements.txt文件中列出的软件包。为此，在Kudu诊断控制台中，导航到D:\home\Python27中的Python文件夹，然后按照Kudu控制台部分中所述运行以下命令：
```
D:\home\Python27>python -m pip install --upgrade -r /home/site/wwwroot/requirements.txt
```
通过按下重新启动（Restart）按钮来安装新软件包之后，在Azure门户中重新启动App Service。完整配置服务器环境后，刷新浏览器中的页面，即可显示Web应用程序。