代码详解：构建一个简单的Keras+深度学习REST API( 三 )_在本教程中

具体而言，我们将了解：

· 如何（以及如何不）将Keras模型加载到内存中，以便有效地进行推理

· 如何使用Flask web框架为我们的API创建端点

· 如何使用我们的模型进行预测，用JSON-ify转换它们，并将结果反馈到客户端

· 如何使用cURL和Python来调用我们的Keras REST API

在本教程结束时，你将能很好地理解创建Keras REST API所需的组件（以最简单的形式）。

请随意使用本指南中提供的代码作为你自己的深度学习REST API起点。

配置开发环境

假设Keras已经配置并安装在你的机器上。如果没有，请确保使用官方安装说明安装Keras（https://keras.io/#installation）。

然后，需要安装Flask （http://flask.pocoo.org/）（及其相关的依赖项），一个Python web框架，这样就可以构建API端点了。还需要请求（http://docs.python-requests.org/en/master/），这样就可以使用API了。

代码详解：构建一个简单的Keras+深度学习REST API( 三 )