- バックアップ一覧
- 差分 を表示
- 現在との差分 を表示
- ソース を表示
- 高度デジタル人材育成セミナー2022/第6回 へ行く。
第6回 †
第6回は、LSTMを用いた時系列処理を取り扱う。
また、総合演習に向けて、Flaskを用いたPythonサーバーの構築と機械学習アプリの基礎についても説明する。
LSTM †
Flaskを用いたサーバー構築 †
ここでは、Google ColabをPythonサーバーにする方法について説明する。
ngrok（エングロック）によるHTTPSトンネル †
ngrokは、ローカルマシン上で稼働しているサーバーをインターネットを経由して外部に公開するためのトンネルサービス。
これを使うことで、Google Colab上で稼働しているFlaskサーバーを外部に公開してアクセス可能になる。
まず、以下の手順でngrokにサインアップする。
- ngrok.comにアクセス。
- 「Sign up for free」をクリック。
- 「Sign up with Google」をクリック。
- 利用するGoogleアカウントを選択して登録する。
- アカウントを作成するかの確認があるので「Create Account」をクリック。
- ログインに成功すると、Download ngrokのページが表示される。
次に、Google Colabに入り、以下のコマンドを入力してngrokをインストールする。
- ngrokをインストール（Linux用）
!wget https://bin.equinox.io/c/bNyj1mQVY4c/ngrok-v3-stable-linux-amd64.tgz !tar xvzf ngrok-v3-stable-linux-amd64.tgz
- Authtokenのインストール（ngrokのHPのYourAuthtokenから）
!./ngrok config add-authtoken [Your Authtoken]
Flaskによるウェブサーバーの稼働 †
次にFlaskのサーバー用プログラムとコンテンツを準備する。 フォルダtemplatesを作成する。
- server.py
# /server.py from flask import Flask, render_template app = Flask(__name__) @app.route("/") def index(): return render_template( "index.html" ) if __name__ == '__main__': app.run(port=6006,debug=True) - templates/index.html
<!doctype html> <html> <body> <h1>Flask Server!</h1> <p>This is test.</p> </body> </html>
これが準備できたら、ngrokを起動してURLを取得し、サーバーを起動する。
- ngrokを起動（1回目はなぜか失敗する、2回やるとURLが表示される）
get_ipython().system_raw('./ngrok http 6006 &') !curl -s http://localhost:4040/api/tunnels | python3 -c "import sys, json; print(json.load(sys.stdin)['tunnels'][0]['public_url'])" - サーバー起動
!python server.py
このプロセスはずっと起動しっぱなしになる。
簡単なウェブアプリの構築 †
四則演算を行う簡単なウェブアプリをFlaskを使って作成する。
- server_calc.py
from flask import Flask,render_template,request app = Flask(__name__) @app.route("/") def index(): return render_template( "calc.html" ) @app.route("/calc",methods={"GET","POST"}) def calc(): inp1=float(request.form.get("inp1")) inp2=float(request.form.get("inp2")) op=request.form.get("op") if op=="+": ans=inp1+inp2 if op=="-": ans=inp1-inp2 if op=="*": ans=inp1*inp2 if op=="/": ans=inp1/inp2 return "<p>{}{}{}={}</p>".format(inp1,op,inp2,ans) if __name__ == '__main__': app.run(port=6006,debug=True) - calc.html
<!doctype html> <html> <head> <meta charset='utf-8'> <title>TinyCalc</title> <script src="https://code.jquery.com/jquery-latest.js"></script> <script src="static/my.js"></script> <link rel="stylesheet" href="static/my.css"> </head> <body> <h1>簡易電卓</h1> <form action="/calc" method="post"> <input name="inp1" size=5> <select name="op"> <option>+</option> <option>-</option> <option>*</option> <option>/</option> </select> <input name="inp2" size=5> <input type="submit" value="="> </form> </body> </html> - サーバー起動
!python server_calc.py
機械学習アプリの演習 †
班分け †
- チームA：川畑、後藤、馬場
- チームB：川田、濱畑、吉野
- チームC：畠中、丸野
MNistの手書き数字認識アプリ †
- MNistの画像で学習したモデルを使って、手書き数字を判定するアプリ。
- ペイント等で描いた画像をアップして、それが何かを判定して返す。
- モデルの作成
from tensorflow import keras from tensorflow.keras.datasets import mnist (tr_img,tr_lbl),(tt_img,tt_lbl)=mnist.load_data() from tensorflow.keras import layers inputs=keras.Input(shape=(28,28,1)) x=layers.Conv2D(32,3,activation='relu')(inputs) x=layers.Conv2D(64,3,activation='relu')(x) x=layers.MaxPooling2D(2)(x) x=layers.Conv2D(64,3,activation='relu')(x) x=layers.Conv2D(128,3,activation='relu')(x) x=layers.MaxPooling2D(2)(x) x=layers.Conv2D(128,3,activation='relu')(x) x=layers.Flatten()(x) outputs=layers.Dense(10,activation='softmax')(x) model=keras.Model(inputs,outputs) callbacks=[ keras.callbacks.ModelCheckpoint("mnist.keras", save_bset_only=True) ] model.compile(optimizer="rmsprop", loss="sparse_categorical_crossentropy", metrics=['accuracy']) hist=model.fit(tr_img,tr_lbl,epochs=5,batch_size=64, validation_data=(tt_img,tt_lbl), callbacks=callbacks) - judge_mnist.html
<!doctype html> <html> <head> <meta charset="utf-8"> <title>MNist画像判定</title> </head> <body> <h1>MNist画像判定</h1> <p>手書き数字が描かれた画像をアップすると、その画像が何の数字かを判定します。</p> <form method="POST" action="/upload" enctype="multipart/form-data"> <input type="file" name="datafile"> <input type="submit" value="アップロード"> </form> <form method="post" action="/judge"> <input type="submit" value="判定"> </form> </body> </html> - server_mnist.py
from flask import Flask,render_template,request from tensorflow import keras import cv2 import numpy as np import datetime app = Flask(__name__) @app.route("/upload", methods=["POST"]) def upload(): t_delta = datetime.timedelta(hours=9) JST=datetime.timezone(t_delta,'JST') now=datetime.datetime.now(JST) d=now.strftime('%Y%m%d%H%M%S') file=request.files["datafile"] name="static/datafile-{}.png".format(d) file.save(name) with open("pngname.txt","wt") as f: f.write(name) return "Received: "+file.filename @app.route("/judge",methods={"GET","POST"}) def judge(): with open("pngname.txt") as f: name=f.read() img=cv2.imread(name,cv2.IMREAD_GRAYSCALE) img=cv2.resize(img,(28,28)) model=keras.models.load_model('mnist.keras') data=img.reshape(1,28,28,1) res=model.predict(data) judge=np.argmax(res[0]) return "<p>画像：<img src='{}'></p><p>判定：{}</p>".format(name,judge) if __name__ == '__main__': app.run(port=6006,debug=True)
判定結果 †
：２
：３
：４
：２
