如何在网页上部署深度学习模型?
当训练好你的深度学习模型后，就可以考虑部署了。
今天介绍一种简易的部署方式：使用Flask作为后端，将PyTorch模型部署到网页上。
网络模型使用的是torchvision中集成的densenet121，并且已经在imagenet数据集上进行了预训练，网络的输入是1张图片，输出是这张图片的类别(1 from 1000)。
简而言之，这是一个用于1000分类的模型。
原代码来自PyTorch官方教程，本文在此基础上做了些小的改动：
- 增加将用户上传的图片保存至服务器的
static文件夹的功能，图片采用时间戳进行命名，防止因重名而被覆盖。 - 微调前端代码，使得在预测完成后能够在前端同时展示图片和对应的预测结果。
代码文件的结构如下：
配置好环境后，直接运行app.py即可，根据提示在浏览器中打开地址(蓝色)：
进入这个界面：
(南极logo，逃~)
单击选择文件按钮，选择一张jpg，jpeg或png格式的图片，点击上传按钮，等候几秒，就能看到预测结果了：
本来想着在heroku上部署一下，结果发现整个项目占用内存900多兆，而免费版的heroku只提供最大500兆的服务，不能白嫖的话就算了~~~
项目的部分代码如下：
完整代码可以在公众号后台回复demo获取。
写在最后：我自己本科非科班，对于前后端没有太多了解，仅仅是凭感觉改了些东西，如有不妥之处，欢迎大佬提出宝贵意见！
参考：
