记录一次机器学习模型部署

简介：做了一个语音识别心脏病的机器学习模型，想要实现前后端简单的部署

用到的技术栈：Python、Flask、uni-app

前端

使用uni-app做一个小程序。需要具有语音采集、录音回放、录音上传等功能。使用uni.getRecorderManager()实现对录音全局的控制。

这里给出实现上传录音并接收请求结果的主要代码

upload() {
console.log(this.voicePath)

        uni.uploadFile({
url: 'http://202.115.52.33:9500/process_data',
filePath: this.voicePath,
name: 'file',
fileType: "audio",   //文件类型
success: (res) => {
console.log('success',res.data)

            uni.showToast({
title: '上传成功',
icon: 'success',

            });
if(res.data*1 < 0.35){

              uni.showModal({
title: '检测结果',
content: '您患心脏病概率为:'+ Number(res.data*100).toFixed(2) + '%'+'，心脏健康请继续保持',
success: function (res) {
if (res.confirm) {
console.log('用户点击确定');

                    } else if (res.cancel) {
console.log('用户点击取消');

                    }

                }

              });

            }else{

              uni.showModal({
title: '检测结果',
content: '您患心脏病概率为:'+ Number(res.data*100).toFixed(2) + '%'+'，请及时到医院检查',
success: function (res) {
if (res.confirm) {
console.log('用户点击确定');

                    } else if (res.cancel) {
console.log('用户点击取消');

                    }

                }

              });

            }


          },
fail: (err) => {
console.log((err))

            uni.showToast({
title: '上传失败',
icon: 'none',

            });

          },

        });

      }  

这里有个坑需要注意，微信开发者工具模拟器录音上传到服务器，服务器无法正常使用录音（一直以为是前端上传语音的问题）。开发者工具录音文件为silk格式，说是silk其实是base64加密后的webm格式，不是普通的wav格式（貌似只能用chrome浏览器打开）。可以参考这篇文章微信小程序-录音文件无法播放问题 - 知乎 (zhihu.com)，真机调试则不会出现这个问题。

后端

采用Flask来进行机器学习或者深度学习模型的部署。

# app.py
from flask import Flask, request
from predict import predict


app = Flask(__name__)

@app.route('/process_data', methods=['POST'])
def process_data():

    # 从前端接收音频文件

    fileStorage = request.files['file']  # 视频文件

    buffer_data = fileStorage.read()

    filename = request.files['file'].filename

    temp_path = 'upload/'+filename

    with open(temp_path, 'wb+') as f:

        f.write(buffer_data)  # 二进制转为音频文件

    # 模型推理

    predict_outcome = round(predict(temp_path), 4)

    # 返回结果

    return str(predict_outcome)


if __name__ == "__main__":

    app.run()

部署

使用宝塔面板实现Flask项目快速部署。

1. 
   
2. 在宝塔面板中安装Python项目管理器软件
   

2. 
   
3. 上传Flask项目到服务器相应目录
   
4. 在Python项目管理选择Flask框架，安装Flask项目中需要的第三方包
   这里有个需要注意的问题，我修改了第三方包的源码，下载的第三方包存放目录：上传项目文件夹/一串数字_venv/lib/python3.7/site-packages，在这里修改源码重启Python服务才能生效。
   
5. Python项目管理器配置参考
   

bind = '0.0.0.0:5000'
user = 'scu611'
workers = 1
threads = 2
backlog = 512
daemon = True
chdir = '/www/server/phpmyadmin/heartbroken'
access_log_format = '%(t)s %(p)s %(h)s "%(r)s" %(s)s %(L)s %(b)s %(f)s" "%(a)s"'
loglevel = 'info'
worker_class = 'geventwebsocket.gunicorn.workers.GeventWebSocketWorker'
errorlog = chdir + '/logs/error.log'
accesslog = chdir + '/logs/access.log'
pidfile = chdir + '/logs/heartbroken.pid'