自己动手，编写神经网络程序，解决Mnist问题，并网络化部署-13flask继续研究
解决3个问题：
1、自己实现一例flask项目；
2、在flask中，如何调用json传值；
3、进一步读懂现有代码。
Flask 在整个系统中是作为一个后台框架，对外提供 api 服务，因此对它的理解学习要保持足够严谨，因为将来必然会遇到性能问题。
1、第一行代码
回显
代码里面，显而易见是使用了路由，这样可以进一步看清楚
路由也可以更复杂一些，但是现在应该不会用到
如果需要处理具体的HTTP方法，在Flask中也很容易，使用
route装饰器的
methods参数设置即可（当然是你首先要实现这个方法）
注意这里的表述，是在路由之上，新添加出来的一块。
为了达到统一、高质量的界面，我们需要使用模板，比如默认的这个
Flask会自动配置Jinja 模板，所以我们不需要其他配置了。默认情况下，模板文件需要放在
templates文件夹下。（这里的模板文件应该在之前的模板上面增加的）
想要好看的模板，最终需要的还是js和css
我们可以得到这样的结果：
直接一行代码调用过去。
代码块需要包含在
{% %}块中
双大括号中的内容不会被转义，所有内容都会原样输出，它常常和其他辅助函数一起使用。下面是一个例子
<a
class=
"navbar-brand" href={{ url_for(
'index') }}>Flask小例子</a>
外引文件，使用
{%
extends
'layout.html' %}方法
{% extends
'layout.html' %}
{% %}中也可以写Python代码
<div
class=metanav>
{%
if
not session.logged_in %}
<a href=
"
{{
url_for('login')
}}
">log
in</a>
{%
else %}
<a href=
"
{{
url_for('logout')
}}
">log out</a>
{% endif %}
</div>
循环
<tbody>
{%
for key,value
in data.items() %}
<tr>
<td>{{ key }}</td>
<td>{{ value }}</td>
</tr>
{% endfor %}
<tr>
<td>文件</td>
<td></td>
</tr>
</tbody>
注意，字体产生了变化
Request 对象是一个全局对象，利用它的属性和方法，我们可以方便的获取从页面传递过来的参数
可以用来判明数据来源。
文件上传是肯定需要解决的问题，
利用Flask也可以方便的获取表单中上传的文件，只需要利用 request 的
files
属性即可。
利用
werkzeug
提供的
secure_filename
方法来获取安全的文件名。
@app.route(
'/upload',
methods=[
'GET',
'POST'])
def
upload_file():
if request.method ==
'POST':
f = request.files[
'the_file']
f.save(
'/var/www/uploads/' + secure_filename(f.filename))
不仅仅是这样，肯定还需要更多的要素。
二、解决关键问题
传统方法（当然传统的也是非常好的）只有三个步骤：
1、创建一个上传表单：
<form method
=
"POST" enctype
=
"multipart/form-data"
>
<input type = "file" name = "file" >
<input type = "submit" value = "Upload" > < /form >
<input type = "file" name = "file" >
<input type = "submit" value = "Upload" > < /form >
2、当按下提交键后，通过request对象上的files获取文件。和以前用request获取表单值一样，使用input字段的name值获取：
file
= request.files[
'file']
3、使用save()方法保存文件，指定保存的地址及文件名：
file.save(path
+ filename)
這里有一个完整的实现，并且是可用的
# -*- coding: utf-8 -*-
import os
from flask
import Flask, request, url_for, send_from_directory
from werkzeug
import secure_filename
ALLOWED_EXTENSIONS =
set([
'png',
'jpg',
'jpeg',
'gif'])
app = Flask(
__name__)
app.config[
'UPLOAD_FOLDER'] = os.getcwd()
app.config[
'MAX_CONTENT_LENGTH'] =
16 *
1024 *
1024
html =
'''
<!DOCTYPE html>
<title>Upload File</title>
<h1>图片上传</h1>
<form method=post enctype=multipart/form-data>
<input type=file name=file>
<input type=submit value=上传>
</form>
'''
def
allowed_file(
filename):
return
'.'
in filename
and \
filename.rsplit(
'.',
1)[
1]
in ALLOWED_EXTENSIONS
@app.route(
'/uploads/<filename>')
def
uploaded_file(
filename):
return send_from_directory(app.config[
'UPLOAD_FOLDER'],
filename)
@app.route(
'/',
methods=[
'GET',
'POST'])
def
upload_file():
if request.method ==
'POST':
file = request.files[
'file']
if
file
and allowed_file(
file.filename):
filename = secure_filename(
file.filename)
file.save(os.path.join(app.config[
'UPLOAD_FOLDER'], filename))
file_url = url_for(
'uploaded_file',
filename=filename)
return html +
'<br><img src=' + file_url +
'>'
return html
if
__name__ ==
'__main__':
app.run()
我看可以这样来理解使用：
1、不管python语言有多少，
html =
'''
<!DOCTYPE html>
<title>Upload File</title>
<h1>图片上传</h1>
<form method=post enctype=multipart/form-data>
<input type=file name=file>
<input type=submit value=上传>
</form>
'''
都是html主体，这样写应该是不需要套模板的；
2、显而易见，submit动作，触发
@app.route
(
'/'
,
methods
=
[
'GET'
,
'POST'
])
而这个时候，能够验证数据是否已经上传上去。注意最后
return html + '<br><img src=' + file_url + '>'
这样直接返回结果，当然你可以进行大小控制，也可以使用css
3、
file_url
=
url_for(
'uploaded_file'
,
filename
=
filename)
用来构建url,对应的就是
uploaded_file
(
filename
):
4、
在 Flask 0.5以上的版本我们可以使用一个函数来实现此功能:
from
flask
import
send_from_directory
@app.route ( '/uploads/<filename>' ) def uploaded_file ( filename ):
return send_from_directory ( app . config [ 'UPLOAD_FOLDER' ], filename )
@app.route ( '/uploads/<filename>' ) def uploaded_file ( filename ):
return send_from_directory ( app . config [ 'UPLOAD_FOLDER' ], filename )
用以提供对以及那个上传数据的访问。
3、进一步读懂现有代码，现有代码中的结果是如何传递的？
数据上传这块，现有代码调用了模板
return render_template(
'index.html')
同时使用了css和js,但是没有脱离本质，还是先上传到内存中，然后去读取。和model的交互，在predict这里：
使用了js进行调用，还有fadein的效果，高大上
对应
首先是获得文件，然后是将其进行保存，然后是调用已经建立好的模型进行predict，返回的是一个argmax，类似于onehot的值。
在这个过程中，生成的是string数据，然后就是想办法显示出来。并没有所谓json在里面，当然一个原因也是不需要。
在原始代码中，使用了
也就是imagenet自己的一个将onehot进行解码的程序。我这里为了CBIR进行了修改。
能够直接显示结果，后面还需要进一步优化，但是已经能够说明问题。
总的来说，还是onehot，或者数组，之类的东西。
这个地方和prsima还不一样。prisma肯定是生成图片的，可能是放在服务器上供下载的，而这里string类型的结果，确实可以直接显示、处理并调用的。
感谢阅读至此，希望有所帮助。
附件列表
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· 周边上新：园子的第一款马克杯温暖上架
· Open-Sora 2.0 重磅开源！
· 分享 3 个 .NET 开源的文件压缩处理库，助力快速实现文件压缩解压功能！
· Ollama——大语言模型本地部署的极速利器
· DeepSeek如何颠覆传统软件测试？测试工程师会被淘汰吗？