基于vue.js框架,在web展示图像识别分类的结果(Ubuntu环境下)
基于vue.js和Flask框架,在web展示图像识别分类的结果(Ubuntu环境下)
准备
环境准备
事先在本地安装好pycharm(该软件是python开发环境)
Ubuntu环境(18.0)
资料
upload-demo文件的提取码:d1dk
包含了本教程的源代码
第一种方法:
第一步:
我们先从Ubuntu里下载upload-demo项目到本地(Windows)。
第二步:
打开pycharm,点击“File”的“open”去打开“upload-demo项目”
注意:是打开“upload-demo”整个项目,不要点进“upload-demo”文件夹里去
第三步: 点击“app.py”后查看源代码会发现有一些错误,这些错误是因为本地没有安装“Flask”模块导致的。安装“Flask”模块后就不会出现报错的情况了。
第四步: 编译运行app.py代码,执行结果如下:
“http://0.0.0.0:5000/”的“0.0.0.0”意思是绑定所有的网卡,端口号是:5000
我们可以通过“ip”地址和“端口号”去访问web。
172.20.239.18:5000
注意这里的ip地址是window主机的ip地址,不是虚拟机的ip地址
输入“172.20.239.18:5000”网址到Chrome浏览器,打开后如图:
点击获取图片,没有任何的反应,是因为没有将“predict”文件夹(该文件夹含有已经分好类的图片)复制到upload-demo/static目录下。
注意:这里是将Ubuntu的predict下载到本地windows的upload-demo/static目录下。(提示:可以使用远程工具进行下载)
刷新页面后,点击“获取图片”,即可得到如下效果图:
第二种方法:
第一步:
切换到upload-demo目录下,命令如下:
cd ~/upload-demo
第二步:
用python命令去执行upload-demo目录下的app.py
python app.py
执行完命令后会出现如下界面:
我们可以通过“ip”地址和“端口号”去访问web。
192.168.10.129:5000
复制网址到Chrome浏览器打开,如图:
只有一个按钮,点击按钮后并没有显示分好类的图片,这是因为没有把“predict”目录(该目录是含有已经分好类的图片)复制到“upload-demo”的“static”目录下,命令如下:
cp -r predict/ ~/upload-demo/static/
然后我们回到Chrome浏览器,刷新刚才的网址(192.168.10.129:5000)并按获取图片,得到如图:
以下是一些关于jupyter notebook的相关资料:
jupyter notebook的相关简介
jupyter notebook的相关操作(1)
jupyter notebook的相关操作(2)
- 点赞
- 收藏
- 分享
- 文章举报
- 基于Ubuntu系统的Java Web应用环境搭建
- 基于tensorflow + Vgg16进行图像分类识别的实验
- 基于tensorflow + Vgg16进行图像分类识别的实验
- 基于tensorflow + Vgg16进行图像分类识别
- 基于BOW的图像分类识别算法实现步骤
- 基于tensorflow + Vgg16进行图像分类识别的实验
- Matlab图像识别/检索系列(6)-10行代码完成深度学习网络之基于CNN的图像分类
- Matlab图像识别/检索系列(6)-10行代码完成深度学习网络之基于CNN的图像分类
- 读书笔记之《基于深度学习的高分辨率遥感图像识别与分类研究》
- 使用Python轻松完成垃圾分类(基于图像识别)
- Ubuntu 11.10环境 联想Y460A禁用独显(或者基于ubuntu的发行版)
- Ubuntu下部署web环境-软件安装及常用命令-基本篇
- 论文阅读笔记-图像识别分类
- Atitit 基于图片图像 与文档混合文件夹的分类
- 基于Tensorflow使用CNN进行图像分类
- Ubuntu64位(阿里云ECS)配置Java_Web环境(jdk,mysql,tomcat)
- Matlab图像识别/检索系列(4)—10行代码完成多分类功能
- Matlab图像处理学习笔记(三):基于匹配的目标识别
- 论文笔记:基于视觉显著性检测的图像分类方法
- 基于OpenCV的PHP图像人脸识别技术