代码详解:构建一个简单的Keras+深度学习REST API(20)

1.服务器的响应应该是JSON格式的

2.希望JSON对象能够自动解析和反序列化

一旦有了请求r的输出 , 就可以检查分类是否成功 , 然后循环r["predictions"

要运行指令simple_request.py , 首先要确保run_keras_server.py(即 Flask web服务器)正在运行 。 然后在一个单独的框架中执行下列命令:

$ python simple_request.py

1. beagle: 0.9901

2. Walker_hound: 0.0024

3. pot: 0.0014

4. Brittany_spaniel: 0.0013

5. bluetick: 0.0011

我们成功地调用了Keras REST API , 并通过Python得到了模型的预测 。

注意 , 本文中的代码仅用于指导 , 而非生产级别 , 也不能在高负载和大量传入请求的情况下进行扩展 。

推荐阅读