keras-app

使用python flask 以及 keras建立一个简单的image recognition的工具，主要参考了这里 觉得有点意思就实现了一下，里面设计到python编程、docker、k8s的使用，image recognition模型不涉及训练，使用的是开源模型，下次自己train个模型出来看看效果^_^。 代码托管在github。

测试一下代码是否可用

# 安装依赖模块，南七技校的pip源比较好用
pip install -r requirements.txt -i https://mirrors.ustc.edu.cn/pypi/web/simple/ 
# 运行代码
python app.py  
# 找个图片辨认一下
curl -X POST -F [email protected] 'http://127.0.0.1:2400/predict

首次运行代码后，需要等待一段时间，因为要下载图片识别的模型

制作docker镜像

sudo docker build -t keras-app:latest .

出现如下提示则镜像制作成功

Successfully built pyyaml gast absl-py termcolor MarkupSafe
...
...
Removing intermediate container 3a21aa77c06c
Successfully built fc03d48b4096

查看一下镜像信息：

[conan@localhost deeplearning_flask]$ sudo docker images
REPOSITORY          TAG                 IMAGE ID            CREATED             SIZE
keras-app           latest              fc03d48b4096        43 minutes ago      1.7 GB

1.7G.. [捂脸] 应该还可以优化一下...

测试docker镜像

# 运行
sudo docker run --name image-recon -d -p 2400:2400 keras-app:latest
# 测试
curl -X POST -F [email protected] 'http://127.0.0.1:2400/predict'
# 打包带走
sudo docker save keras-app:latest > keras-app.tar

在kubernetes上调度

使用k8s集群部署应用，推荐使用yaml文件，前置条件是把刚刚的镜像push到k8s使用的镜像仓库中 这里使用简单一点的deployment方式来部署imagerecon_deployment_test_for_fun.yaml

apiVersion: apps/v1
kind: Deployment
metadata:
  name: imagerecon-deployment
  labels:
    app: imagerecon
spec:
  replicas: 1
  selector:
    matchLabels:
      app: imagerecon
  template:
    metadata:
      labels:
        app: imagerecon
    spec:
      containers:
      - name: imagerecon
        image: keras-app:latest
        ports:
        - containerPort: 2400

部署

kubectl create -f imagerecon_deployment_test_for_fun.yaml
# 查看
kubectl get pods --show-labels

参考资料

https://medium.com/analytics-vidhya/deploy-your-first-deep-learning-model-on-kubernetes-with-python-keras-flask-and-docker-575dc07d9e76