YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。利用YOLOv4训练完自己的数据集后，如何向大众展示并提供落地的服务呢？
本课程将提供相应的解决方案，具体讲述使用Web应用程序框架Flask进行YOLOv4的Web应用部署。用户可通过客户端浏览器上传图片，经服务器处理后返回图片检测数据并在浏览器中绘制检测结果。
本课程的YOLOv4使用AlexyAB/darknet，在Ubuntu系统上做项目演示，并提供在Windows系统上的部署方式文档。
本项目采取前后端分离的系统架构和开发方式，减少前后端的耦合。课程包括：YOLOv4的Flask部署系统架构、YOLOv4的安装及动态链接库的编译、 Flask的安装、YOLOv4的检测API接口python代码、 Flask的服务程序的python代码、前端html代码、CSS代码、Javascript代码、系统部署演示、生产环境部署建议、Windows系统上部署的区别等。
除本课程外，本人推出了有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括：
《YOLOv4目标检测实战：训练自己的数据集》(
2021-09-08 16:57:32
4.34MB
1
命名实体识别
对报废的数据执行命名实体识别，并使用spacy和flask提取诸如城市，人员，组织，日期，地理实体，产品等实体。
导入所有必需的
from flask import Flask , url_for , render_template , request
import spacy
from spacy import displacy
from flaskext . markdown import Markdown
import wikipedia
加载spacy英语图书馆
nlp = spacy . load ( 'en_core_web_sm' )
使用spacy npl提取实体和标签。
nlp = spacy . load ( 'en_core_web_sm' )
data = nlp ( text )
您可以通过两种方式执行NER
输入您要执行NER的文本
输入您
2021-09-07 15:25:03
51KB
1
MedicalNER：使用Flask和Docker作为Web App部署PyTorch NER模型
一个漂亮且可自定义的Web应用程序，可轻松部署您的深度学习（DL）模型
注意
此仓库用于部署任何类型的ML或DL模型，而不仅仅是NER模型。
使用演示
克隆仓库
$ git clone https://github.com/SuperBruceJia/pytorch-flask-deploy-webapp.git
运行以下说明
1）。 构建Docker映像
$ docker build -t ner-model .
2）。 为上面的图像制作并运行一个容器
$ docker run -e LANG
2021-09-07 15:23:55
7.11MB
1
CTFsession伪造脚本，有解密和加密的，一定要有私钥才能进行。
2021-09-06 18:00:06
9KB
1
90天从 零基础 开始的 Python全栈工程师，资料详细，跟着学习就能成，掌握并精通python！入手绝对不亏！
2021-09-06 13:10:14
93B
1
烧瓶插座
适用于Flask应用程序的优雅WebSocket。
route装饰器的简单用法：
from flask import Flask
from flask_sockets import Sockets
app = Flask ( __name__ )
sockets = Sockets ( app )
@ sockets . route ( '/echo' )
def echo_socket ( ws ):
while not ws . closed :
message = ws . receive ()
ws . send ( message )
@ app . route ( '/' )
def hello ():
return 'Hello World!'
if __name__ == "__main__" :
fro
2021-09-03 10:21:23
5KB
1