Публикации по теме 'flask'


ПРОГНОЗИРОВАНИЕ ЦЕНЫ НА ДОМ С ИСПОЛЬЗОВАНИЕМ МАШИННОГО ОБУЧЕНИЯ
1. Описание проекта А. Постановка задачи Ежедневно продаются тысячи домов. Есть несколько вопросов, которые задает себе каждый покупатель: какова реальная цена, которую заслуживает этот дом? Я плачу справедливую цену? B. Наилучшие возможные решения a.Эксперт по жилищным вопросам b.Интуиция о доме c.Использование машинного обучения C. Введение О проекте Прогнозирование цены дома - очень напряженная работа, так как при покупке дома мы должны учитывать разные вещи, такие как..
Начало работы с Flask и Cerberus — Создание приложения для анализа шахмат (часть 2)
В нашем последнем посте мы узнали об анализе шахмат. Затем мы создали функцию Python analyze_position , которая принимает шахматную позицию и выводит подробный анализ. В этом посте мы создадим API вокруг этой функции, чтобы наши пользователи могли отправлять позиции для анализа. Мы будем использовать Flask в качестве нашего веб-сервера и Cerberus для проверки ввода. Настройка колбы Напомним, что в прошлый раз мы настроили наш проект так: $ mkdir chess-api $ python3 -m venv..
Как создать приложение для акций и финансов с помощью Python
Часть 4: Исправление ошибок и добавление строки поиска по акциям. TL;DR Мы делаем некоторые исправления и добавляем панель поиска для акций. Вы обязательно должны проверить pythonanywhere.com * (5 долларов США в месяц) для размещения этого приложения. Исправления макета (1) Когда мы впервые запускаем наше приложение и еще не вошли в систему, форма для выбора периода для сравнения все еще существует. Этого не должно быть. Поэтому, когда мы вызываем главную страницу или индексную..
Контейнеризация Docker и Flask с моделью машинного обучения
Темы Введение в контейнеры Установка Докера Создание и тестирование приложения Flask Основы Dockerfile Создание образа контейнера Запуск образа контейнера Режим демона и другие полезные команды Заключение Код 1. Введение в контейнеры Пища может быть заражена микробами, сыростью и другими внешними элементами, если ее оставить на открытом воздухе. Аналогично этому, если вы запускаете приложение на сервере без соответствующей изоляции и инкапсуляции, может возникнуть риск..
Простое развертывание моделей машинного обучения на Flask
После того, как вы успешно разработали модель машинного обучения, следующим препятствием будет то, как представить эту модель и сделать ее доступной для внешнего мира. Существует множество доступных методов, но самое простое решение — развернуть его как веб-сервер и получить к нему доступ как через API. Этот учебник разработан, чтобы помочь вам достичь этого. Основные понятия: Сохранение : как только у нас будет готова модель, мы сохраним ее, чтобы ее можно было легко использовать..
Развертывание вашей модели машинного обучения с помощью Flask и Docker
Несмотря на то, что существует множество блогов и онлайн-курсов, посвященных обучению созданию и обучению простой модели машинного обучения или глубокой нейронной сети, в основном это заканчивается файлом модели на вашем локальном компьютере. Однако не будем забывать, что это еще не конец истории: модель еще нужно развернуть, чтобы ее могли использовать и оценить конечные пользователи. Веб-сервис с использованием Flask Flask - это микро-веб-фреймворк для Python. Он называется..
Веб-приложение для рекомендации фильмов
На основе содержания Система рекомендаций фильмов — один из основных и важных проектов машинного обучения. В этом блоге я покажу вам, как создать систему рекомендации фильмов на основе контента с красивым веб-сайтом и развернуть модель на Heroku. Чтобы открыть систему рекомендаций фильмов, нажмите на ссылку: https://nikmoviemaniac.herokuapp.com/ Сбор данных Я использовал набор данных фильмов TMDB 5000 , который можно найти на kaggle по этой ссылке:..