识狗君微信小程序的部署
日歷嘩啦啦的往前翻，很快就要翻過2018，迎來2019年。今天預報了好久的大雪終于降臨到了武漢，外面白雪皚皚，家中溫暖如春，這個時候感覺最愜意。古人有詩云：綠蟻新醅酒，紅泥小火爐。晚來天欲雪，能飲一杯無？，而現(xiàn)代人則在朋友圈中歡呼著下雪，各有各的慶祝方式，并無高下之分。
在后臺有收到朋友詢問識狗君微信小程序的部署，我開始覺得之前的幾篇文章已經(jīng)講的很清楚，問的朋友多了，返回去再看，發(fā)覺幾篇文章是站在開發(fā)的角度寫的，比較散，決定在2018年最后的一篇文章整理一下關(guān)于識狗君微信小程序的部署，算是對2018年機器學習項目的一個總結(jié)。
如果你還不了解識狗君微信小程序這個項目，請參考以下幾篇文章：
當微信小程序遇上TensorFlow：Server端實現(xiàn)
當微信小程序遇上TensorFlow：Server端實現(xiàn)補充
當微信小程序遇上TensorFlow：小程序?qū)崿F(xiàn)
當微信小程序遇上TensorFlow：接收base64編碼圖像數(shù)據(jù)
當微信小程序遇上TensorFlow：終章
項目主頁： https://github.com/mogoweb/AIDog
說是微信小程序的部署，但本文并不打算講解如何申請、開發(fā)和審核微信小程序，而是說明服務(wù)端的部署。如果想了解微信小程序的開發(fā)，請參考騰訊官方文檔。
以下步驟中涉及到的模型、數(shù)據(jù)集，我上傳到了百度網(wǎng)盤，可以根據(jù)需要下載：
鏈接: https://pan.baidu.com/s/1kaoiV_uMFS_7IK-HMO1G8A 提取碼: ct9e訓練模型
這個步驟是可選步驟，你可以使用訓練好的模型：inception_v3.tar.gz，這個版本是我在Google官方inception V3模型的基礎(chǔ)上，使用stanford dog datasets數(shù)據(jù)集訓練而得的模型，請注意和原版的區(qū)別。
如果想自行訓練模型，請接著往下看。
帶標簽的狗狗數(shù)據(jù)集采用stanford dog datasets，請自行下載并解壓，然后執(zhí)行如下命令進行訓練：
python retrain.py --image_dir=./Images --saved_model_dir=models/inception_v3 --model_version 2訓練的模型保存于models/inception_v3/2，其中2是版本號，可以通過retrain.py腳本的命令行參數(shù)進行指定。
注意： 這個訓練過程會從網(wǎng)絡(luò)下載Inception V3原版模型，需要翻墻才行。無法翻墻的朋友也可以采用如下的方法，將tfhub_modules.tgz的內(nèi)容解壓到/tmp目錄下，內(nèi)容大體如下：
alex@alex-550-279cn:~/work/ai/workspace/AIDog/serving$ ls -la /tmp/tfhub_modules/ total 88 drwxr-xr-x 3 alex alex 4096 12月 30 19:27 . drwxrwxrwt 15 root root 73728 12月 30 19:31 .. drwxr-xr-x 4 alex alex 4096 10月 9 10:04 11d9faf945d073033780fd924b2b09ff42155763 -rw-rw-r-- 1 alex alex 161 10月 9 10:04 11d9faf945d073033780fd924b2b09ff42155763.descriptor.txt alex@alex-550-279cn:~/work/ai/workspace/AIDog/serving$這個訓練過程有點長，在我的PC上帶GTX 960的顯卡訓練，大約需要兩個小時。
讓模型接收base64編碼圖像
通過上一個步驟訓練出的模型接收的是(299, 299, 3)的二進制圖像數(shù)據(jù)，這種二進制數(shù)據(jù)不方便通過HTTP傳遞，HTTP傳輸二進制數(shù)據(jù)常用的方案是對二進制數(shù)據(jù)進行base64編碼。
如何看出模型接收什么類型數(shù)據(jù)？我們可以通過save_model_cli.py腳本查看模型的簽名，這個腳本由tensorflow提供，如果你下載了tensorflow源碼，在其 tensorflow/python/tools/ 目錄下，可以使用如下命令查看我們訓練出來的模型:
python ~/work/ai/tensorflow/tensorflow/tensorflow/python/tools/saved_model_cli.py show --dir ~/work/ai/workspace/AIDog/serving/models/inception_v3/2 --allMetaGraphDef with tag-set: 'serve' contains the following SignatureDefs:signature_def['serving_default']:The given SavedModel SignatureDef contains the following input(s):inputs['image'] tensor_info:dtype: DT_FLOATshape: (-1, 299, 299, 3)name: Placeholder:0The given SavedModel SignatureDef contains the following output(s):outputs['prediction'] tensor_info:dtype: DT_FLOATshape: (-1, 120)name: final_result:0Method name is: tensorflow/serving/predict從中我們可以看出模型的輸入?yún)?shù)名為image，其shape為(-1, 299, 299, 3)，這里-1代表可以批量輸入，通常我們只輸入一張圖像，所以這個維度通常是1。輸出參數(shù)名為prediction，其shape為(-1, 120)，-1和輸入是對應(yīng)的，120代表120組狗類別的概率。
為了讓模型接收base64編碼圖片，我們在模型的輸入前面增加一層，進行base64及解碼處理：
python rebuild_model.py --model_dir models/inception_v3/3 --origin_model_dir models/inception_v3/2/其中:
- model_dir 參數(shù)為接收base64輸入模型輸出的目錄
- origin_model_dir 參數(shù)為上一個步驟訓練出來的模型
這個時候我們再來看看第三個版本模型的簽名：
python ~/work/ai/tensorflow/tensorflow/tensorflow/python/tools/saved_model_cli.py show --dir ~/work/ai/workspace/AIDog/serving/models/inception_v3/3 --allMetaGraphDef with tag-set: 'serve' contains the following SignatureDefs:signature_def['serving_default']:The given SavedModel SignatureDef contains the following input(s):inputs['image'] tensor_info:dtype: DT_STRINGshape: unknown_rankname: base64_string:0The given SavedModel SignatureDef contains the following output(s):outputs['prediction'] tensor_info:dtype: DT_FLOATshape: (-1, 120)name: import_1/final_result:0Method name is: tensorflow/serving/predict可以看到，模型的輸入為字符串數(shù)據(jù)，即base64編碼字符串。
申請證書
因為微信小程序要求HTTP請求走更加安全的HTTPS協(xié)議，所以必須提供一個SSL證書。
我們可以上阿里云申請一個免費的證書，雖然有效期只有一年，但商業(yè)用的證書比較貴，根據(jù)需要選擇吧。需要注意的是，阿里云上申請證書很隱蔽，我也是嘗試了好幾個組合，那個免費證書的選項才出現(xiàn)。因為我的主機就是托管在阿里云上，域名也是使用阿里云的DNS服務(wù)，所以申請完后，很快就審核通過，然后就可以下載證書。證書下載時我選擇證書for Nginx，下載下來就是兩個文件：一個pem文件，一個key文件。
安裝Simple TensorFlow Serving
這個Simple TensorFlow Serving是一個Google官方TensorFlow Serving的封裝，是機器學習模型的通用且易于使用的服務(wù)。項目主頁：https://github.com/tobegit3hub/simple_tensorflow_serving
Simple TensorFlow Serving的安裝非常簡單：
pip install simple_tensorflow_serving啟動服務(wù)
接下來啟動server：
simple_tensorflow_serving --enable_ssl=True --model_base_path="./tensorflow/serving/models/inception_v3" --secret_pem="./certs/215052392380319.pem" --secret_key="./certs/215052392380319.key" --log_level="debug" --debug=True其中：
- enable_ssl參數(shù)表示是否啟用https
- model_base_path指定模型的基礎(chǔ)路徑，需要注意的是，這個基礎(chǔ)路徑不帶版本號數(shù)字，我們可以有多個版本的模型，所以這個目錄下可能有1, 2, 3之類的子目錄，分別對應(yīng)不同版本的模型，微信小程序或客戶端可以選擇使用哪個版本
- secret_pem 和 secret_key 為證書申請過程中獲得的兩個證書文件
- 后面兩個參數(shù)用于調(diào)試，可以不用
要驗證服務(wù)器是否部署成功，可以使用簡單的客戶端程序測試一下：
python test_client.py --image=./Images/n02116738-African_hunting_dog/n02116738_1105.jpg結(jié)果如下：
n02116738 african hunting dog 0.780203342438 n02115913 dhole 0.0102733308449 n02092002 scottish deerhound 0.00600153999403前面是類別標簽，后面是屬于某個類別的概率，上面結(jié)果中Top 1概率0.78。
微信小程序的代碼可以參見github項目，這里就不多說明了。
Q & A
答： 是由于tensorflow源碼和python環(huán)境中安裝的tensorflow包版本不一致，可以使用python環(huán)境中安裝的tensorflow包中的那個saved_model_cli.py腳本。
小結(jié)
到這里，關(guān)于識狗君微信小程序的部署就講完了，如果這個步驟中有疑問的地方，請與我聯(lián)系。
馬上就要到2019年了，在這里祝各位朋友在2019年工作順利，心想事成！
總結(jié)
以上是生活随笔為你收集整理的识狗君微信小程序的部署的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 别再说你不懂malloc()和callo
- 下一篇： 建立自信心的有效方法