webで入力された情報をpythonに渡すことって結構ありますよね？
例えば
（webブラウザでユーザが入力した情報をpythonで深層学習、機械学習したモデルになげて、推論）
本記事ではローカルブラウザで入力したデータをpythonに渡し、推測させる方法を記述しています。
ブラウザでpythonにデータを渡したい人はぜひ見ていってください
Flask という Python の小規模なフレームワークを利用します
app.py
import json from flask import request from flask import Flask, render_template #推測するpyプログラム import my_csv5 #initalize our flask app app = Flask(__name__) @app.route('/') def index(): with open("index.html", "rb") as f: return render_template('index.html') @app.route('/predict/',methods=['GET','POST']) def predict(): csvdata = (request.get_data()).decode('utf-8') label,percent = my_csv5.check_genre(csvdata) return json.dumps({ "label":label, "percent":percent+"%" }) if __name__ == "__main__": app.run(debug=True,port=8085) print("http://localhost:" + str(port))
これがローカルにホストを作るプログラムです。
まずは 必要なモジュールimportします。
次に
#initalize our flask app
app = Flask(__name__)
これによって Flask クラスのインスタンスを作って、 app という変数に代入しています。
__name__ というのは、自動的に定義される変数で、現在のファイルのモジュール名が入ります。 ファイルをスクリプトとして直接実行した場合、 __name__ は __main__ になります。
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
@app.route('/')
@app.route('/') という行は、 app に対して / というURLに対応するアクションを登録しています。
つまり
@app.route('/')
def index():
with open("index.html", "rb") as f:
return render_template('index.html')
これで
/indexにアクセスが来たらtemplates内のindex.htmlが開きます
ここでtemplatesフォルダを作っておきましょう
フォルダは下のように整理しないとエラーで動きません。
python flask
├── app.py
└── my_csv.py
└── templates
└── index.html
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
@app.route('/predict/',methods=['GET','POST'])
次に/predict にアクセスした場合
@app.route('/predict/',methods=['GET','POST'])
def predict():
csvdata = (request.get_data()).decode('utf-8')
label,percent = my_csv5.check_genre(csvdata)
return json.dumps({
"label":label,
"percent":percent+"%"
})
methodsにPOSTをつけると、、、
request.get_data()でhtmlでのデータを受け取ることができます。
このときutf-8でdecodeするのを忘れずに。
それをcsvdataという変数に代入。
その変数を推測用のmy_csv5内の関数check_genreの引数に代入。
結果をlabel,perecentに代入して、
json形式でreturnします。
＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿
if __name__ == "__main__":
if __name__ == "__main__":
app.run(debug=True,port=8085)
print("http://localhost:" + str(port))
この説明は
以下のURLが参考になります
http://blog.pyq.jp/entry/Python_kaiketsu_180207
そんで推測用のプログラムです
my_csv5.py
import json #Cnn from nnabla.utils.data_iterator import data_iterator_csv_dataset import pandas as pd import numpy as np import csv #配列を受け取り、その配列をcsvファイルに保存、 #その配列の名前を一列目、2列目にラベルをつけてcsvファイル（評価ファイル）にする） import nnabla as nn import nnabla.functions as F import nnabla.parametric_functions as PF def network(x, y, test=False): # Input:x -> 30,2 # Reshape -> 1,10,6 h = F.reshape(x, (x.shape[0],1,10,6)) # Convolution -> 16,9,9 h = PF.convolution(h, 16, (2,2), (0,2), name='Convolution') # ReLU h = F.relu(h, True) # MaxPooling -> 16,9,17 h = F.max_pooling(h, (1,1), (1,1), True, (0,4)) # PReLU h = PF.prelu(h, 1, False, name='PReLU') # Convolution_2 -> 15,7,15 h = PF.convolution(h, 15, (3,3), (0,0), name='Convolution_2') # MaxPooling_2 -> 15,3,7 h = F.max_pooling(h, (2,2), (2,2)) # Tanh_2 h = F.tanh(h) # Dropout if not test: h = F.dropout(h) # Affine -> 150 h = PF.affine(h, (150,), name='Affine') # ReLU_2 h = F.relu(h, True) # Affine_2 -> 5 h = PF.affine(h, (5,), name='Affine_2') # Softmax h = F.softmax(h) # CategoricalCrossEntropy -> 1 #h = F.categorical_cross_entropy(h, y) return h #ネットワークの構築 nn.clear_parameters() # Prepare input variable x = nn.Variable((1,30,2)) t = nn.Variable((1,1)) # Build network for inference y = network(x, t) # load parameters nn.load_parameters(r'\parameters.h5') # print("load model") # print(arr) def check_genre(arr): arr = arr.split() arr = [e.rstrip(',')for e in arr] arr =[row.split(',')for row in arr] with open('data.csv', 'w') as file: writer = csv.writer(file, lineterminator='\n') writer.writerows(arr) # print("made csvfile from array") f = pd.DataFrame(columns=["x:data","y:data"]) xdata = 'data.csv' ydata = 0 new_name = pd.Series([xdata,ydata],index=f.columns) f = f.append(new_name, ignore_index=True) f.to_csv('valu.csv',index=False,header = True ) # print("made valu.csv") test_data = data_iterator_csv_dataset(r".\valu.csv",1,shuffle=False,normalize=False) for i in range(test_data.size): x.d, t.d = test_data.next() y.forward() print(y.d[0]) label = 2 #初期化 percent = 1 #初期化 if y.d[0][0]>y.d[0][1] and y.d[0][0]>y.d[0][2] and y.d[0][0]>y.d[0][3] and y.d[0][0]>y.d[0][4]: label = 0 percent = y.d[0][0] #label = random.randint(0,2) if y.d[0][1]>y.d[0][0] and y.d[0][1]>y.d[0][2] and y.d[0][1]>y.d[0][3] and y.d[0][1]>y.d[0][4]: label = 1 percent = y.d[0][1] if y.d[0][2]>y.d[0][1] and y.d[0][2]>y.d[0][0] and y.d[0][2]>y.d[0][3] and y.d[0][2]>y.d[0][4]: label = 2 percent = y.d[0][2] if y.d[0][3]>y.d[0][0] and y.d[0][3]>y.d[0][1] and y.d[0][3]>y.d[0][2] and y.d[0][3]>y.d[0][4]: label = 3 percent = y.d[0][3] if y.d[0][4]>y.d[0][1] and y.d[0][4]>y.d[0][0] and y.d[0][4]>y.d[0][2] and y.d[0][4]>y.d[0][3]: label = 4 percent = y.d[0][4] result = str(label) percent1 = percent*100 percent1 =str(percent1) print (percent1+"％") return label,percent if __name__== '__main__': with open('some.csv') as fp: lst = list(csv.reader(fp)) check_genre(lst)
def check_genre(arr):
これはhtmlでpostされてきたデータを引数としています。
送られてくるデータは
jump1268.hatenablog.com
このようにあまり理想的なデータ構造をしていません。
value,value2,\nの連続
仕方なく下の処理をしていますが、ここは改善しなければいけないところです。
HTML側で改善すべきですね。
def check_genre(arr):
arr = arr.split()
arr = [e.rstrip(',')for e in arr]
arr =[row.split(',')for row in arr]
with open('data.csv', 'w') as file:
writer = csv.writer(file, lineterminator='\n')
writer.writerows(arr)
最後までありがとうございます。
AI セミナー 人工知能 セミナー 機械学習 セミナー ディープラーニング セミナー Python 初級
このサイトでAIとpythonを学ぶとより良いと思います
今なら無料で相談できるそうなのでぜひ
ブラウザ編はこちらです
jump1268.hatenablog.com
あとこのサイトがマジでお勧めです。今なら登録してスカイプで無料体験するだけで1000円もらえます。
