机器学习|如何将机器学习模型部署到.NET环境？

Python和R是实现ML应用程序的两种非常流行的语言，在野外部署通常需要与用另一种语言编写的应用程序集成。

Python和R是数据中心工程师最流行的编程语言之一。但是，它们并不总是构建应用程序的其余部分的语言。这就是为什么你有时需要找到一种方法来将用Python或R编写的机器学习模型部署到基于.NET等语言的环境中。

开始：Flask

我们可以使用Flask作为共享和主持我们的机器学习预测的一种方式。让我们使用来自Kaggle比赛的著名的Titanic数据集。首先，创建一个新文件，并将其命名为titanic_app.py（或任何你想要的名称）。导入并初始化Flask应用程序；然后在底部启动服务器。在中间留出空间，以便稍后添加模型和路径。

import flaskapp = flask.Flask(__name__)#-------- MODEL GOES HERE -----------##-------- ROUTES GO HERE -----------#if __name__ == '__main__':'''Connects to the server'''HOST = '127.0.0.1'PORT = 4000      #make sure this is an integerapp.run(HOST, PORT)

请注意，我们指定了我们希望应用程序运行的主机和端口。

创建和训练模型

加载Titanic数据集并在其上创建一个模型：

#-------- MODEL GOES HERE -----------#import numpy as npimport pandas as pdfrom sklearn.ensemble import RandomForestClassifierdf = pd.read_csv('data/titanic.csv')include = ['Pclass', 'Sex', 'Age', 'Fare', 'SibSp', 'Survived']# Create dummies and drop NaNsdf['Sex'] = df['Sex'].apply(lambda x: 0 if x == 'male' else 1)df = df[include].dropna()X = df['Pclass', 'Sex', 'Age', 'Fare', 'SibSp']y = df['Survived']PREDICTOR = RandomForestClassifier(n_estimators=100).fit(X, y)

制作一个简单的API

这是有趣的部分。现在我们有一个PREDICTOR，我们需要得到一些值来做出我们的预测。一种方法是从URL参数中获取信息，这些参数是出现在URL中的/strong>之后的key:value对。 例如，如果您导航到http://localhost:4000/predictclass=1&sex=1&age=18&fare=500&sibsp=0，则Flask可以为您检索该数据。

我们写一条路径来做到这一点：

#-------- ROUTES GO HERE -----------#@app.route('/predict', methods=["GET"])def predict():pclass = flask.request.args['pclass']sex = flask.request.args['sex']age = flask.request.args['age']fare = flask.request.args['fare']sibsp = flask.request.args['sibsp']item = [pclass, sex, age, fare, sibsp]score = PREDICTOR.predict_proba(item)results = {'survival chances': score[0,1], 'death chances': score[0,0]}return flask.jsonify(results)

保存文件并启动您的应用程序。您的模型现在有一个简单的API！

部署到.NET环境

在您的.NET环境中部署Flask有很多选择——它们将大大依赖于您的基础架构选择。为了让您了解这个过程，我们来看看使用Microsoft Azure部署到IIS环境。

我会假设你：

• 已经创建了一个Azure Cosmos数据库（这篇文章的范围之外，详情请参阅Azure文档）。
• 已经创建了一个Flask Web应用程序（正如我们上面所经历的）。
• 熟悉Azure和Visual Studio。

如果您已正确设置环境，则可以将您的Web应用程序部署到Azure。这可以通过创建一个web.config文件来更新Web服务器上的文件来匹配您的实例中的文件。为此，请执行以下步骤：

• 在Visual Studio Solution Explorer中，右键单击该项目并选择Add > New Item。在出现的对话框中，选择Azure web.config（Fast CGI）模板，然后选择确定OK。这会在您的项目根目录下创建一个web.config文件。
• 修改web.config，使路径与Python安装相匹配。例如，对于Python 2.7 x64，条目应该如下所示：

  < system.webServer >    < handlers >        < add name="PythonHandler" path="*" verb="*" modules="FastCgiModule" scriptProcessor="D:homePython27python.exe|D:homePython27wfastcgi.py" resourceType="Unspecified" requireAccess="Script"/ >    < /handlers >< /system.webServer >

• 将web.config中的WSGI_HANDLER条目设置为tutorial.app，以匹配项目名称，如下所示：

  < !-- Flask apps only: change the project name to match your app -- >< add key="WSGI_HANDLER" value="tutorial.app"/ >

• 在Visual Studio Solution Explorer中，展开tutorial文件夹，右键单击静态文件夹，选择Add> New Item，选择Azure静态文件web.config模板，然后选择OK。此操作将在禁用该文件夹的Python处理的静态文件夹中创建另一个web.config。该配置将静态文件的请求发送到默认Web服务器，而不是使用Python应用程序。
• 保存文件，然后右键单击解决方案资源管理器中的项目（确保您还没有在本地运行），然后选择发布。
• 在发布“Publish”对话框中，选择“Microsoft Azure App Service”，选择新建“Create New”，然后单击发布“Publish”。
• 在“Create App Service”对话框中，输入您的Web应用程序的名称以及订阅、资源组和应用程序服务计划。然后，点击创建。
• 几秒钟后，Visual Studio完成将文件复制到服务器，并在http://.azurewebsites.net/页面上显示以下错误消息：“The page cannot be displayed because an internal server error has occurred.”。
• 在Azure门户中，打开您的新的应用程序服务帐户。在导航菜单中，向下滚动到开发工具（Development Tools）部分，选择扩展（Extensions），然后单击添加（Add）。
• 在“Choose Extension”页面中，向下滚动到最新的Python 2.7安装并选择x86或x64位选项，然后单击“OK”接受法律条款。
• 使用Kudu控制台，您可以通过https://.scm.azurewebsites.net/DebugConsole找到它，以安装应用程序的requirements.txt文件中列出的软件包。为此，在Kudu诊断控制台中，导航到D:homePython27中的Python文件夹，然后按照Kudu控制台部分中所述运行以下命令：

  D:homePython27>python -m pip install --upgrade -r /home/site/wwwroot/requirements.txt

• 通过按下重新启动（Restart）按钮来安装新软件包之后，在Azure门户中重新启动App Service。完整配置服务器环境后，刷新浏览器中的页面，即可显示Web应用程序。

更多有关信息，请查看以下链接：

• Flask文档
• Flask配置处理
• Flask部署选项

推荐阅读：

展望2018年：基于AI人工智能的移动应用程序开发将如何发展

开发一个聊天机器人（Chatbot）应用程序需要花费多少钱/h5>

NLP|自然语言处理-语法解析指南：算法和技术

PS: 更多机器学习、大数据相关视频、培训、公开课，请关注【学院】！

关于人工智能机器学习的最新资讯和相关开发工具推荐，请<咨询在线客服>！