在10分钟内使用Flask将Keras模型部署为Web应用

一个极简且可定制的仓库，帮助你轻松地将图像模型部署为Web应用。

快速开始

• 使用Docker快速运行：

  docker run --rm -p 5000:5000 ghcr.io/imfing/keras-flask-deploy-webapp:latest
  

• 打开 http://localhost:5000，尽情体验吧 :tada:

截图：

新特性 :fire:

• 更强大的移动端友好界面
• 支持图片拖拽上传
• 使用原生JavaScript、HTML和CSS，无需jQuery或Bootstrap
• 默认切换到TensorFlow 2.x和tf.keras
• 将Docker基础镜像升级至Python 3.11

---

使用Docker运行

使用预构建镜像

$ docker run --rm -p 5000:5000 ghcr.io/imfing/keras-flask-deploy-webapp:latest

在本地构建

借助Docker，你可以在几分钟内快速构建并运行整个应用 :whale:

# 1. 首先克隆仓库
$ git clone https://github.com/imfing/keras-flask-deploy-webapp.git
$ cd keras-flask-deploy-webapp

# 2. 构建Docker镜像
$ docker build -t keras_flask_app .

# 3. 运行！
$ docker run -it --rm -p 5000:5000 keras_flask_app

打开 http://localhost:5000，等待页面加载完成即可。

本地安装

在你的电脑上安装并运行也非常简单。

# 1. 首先克隆仓库
$ git clone https://github.com/imfing/keras-flask-deploy-webapp.git
$ cd keras-flask-deploy-webapp

# 2. 安装Python依赖
$ pip install -r requirements.txt

# 3. 运行！
$ python app.py

打开 http://localhost:5000，尽情享受吧。 :smiley:

---

自定义

你也可以轻松自定义并在此应用中集成自己的模型。

注意 如果需要创建更复杂的机器学习模型Web应用，也可以考虑使用Gradio或Streamlit。

详细信息

使用你自己的模型

将通过model.save()保存的.h5模型文件放置在models目录下。

请参考app.py中的注释代码。

使用其他预训练模型

可以查看Keras官方应用，获取更多可用模型，如DenseNet、MobileNet、NASNet等。

请参考app.py中的这一部分。

修改UI

你可以修改templates和static目录下的文件。

index.html用于定义界面，main.js则负责所有交互逻辑。

更多资源

构建简单的Keras深度学习REST API

keras-flask-deploy-webapp 快速上手指南

本指南帮助你在 10 分钟内将 Keras 图像模型部署为 Flask Web 应用。

环境准备

• 操作系统：Linux / macOS / Windows
• Python 版本：3.9 或更高（推荐 3.11）
• 前置依赖：
  • 方案 A（推荐）：安装 Docker
  • 方案 B：安装 Python 及 pip，并具备 Git 客户端

安装步骤

你可以选择使用 Docker 快速运行，或在本地环境中安装。

方案一：使用 Docker（推荐）

无需配置本地 Python 环境，一键启动。

1. 直接运行预构建镜像

docker run --rm -p 5000:5000 ghcr.io/imfing/keras-flask-deploy-webapp:latest

2. 或者本地构建镜像

# 克隆仓库
git clone https://github.com/imfing/keras-flask-deploy-webapp.git
cd keras-flask-deploy-webapp

# 构建镜像
docker build -t keras_flask_app .

# 运行容器
docker run -it --rm -p 5000:5000 keras_flask_app

方案二：本地安装

适合需要修改代码或集成自定义模型的场景。

# 1. 克隆仓库
git clone https://github.com/imfing/keras-flask-deploy-webapp.git
cd keras-flask-deploy-webapp

# 2. 安装依赖
# 国内用户建议使用清华源加速安装
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

# 3. 启动应用
python app.py

基本使用

1. 访问应用 在浏览器中打开以下地址：

   http://localhost:5000
   

2. 测试功能

   • 页面加载完成后，支持拖拽上传图片或直接点击上传。
   • 系统会自动调用内置的 Keras 模型进行预测并返回结果。

3. 替换自定义模型

   • 将你训练好的 .h5 模型文件（通过 model.save() 生成）放入项目根目录下的 models 文件夹。
   • 修改 app.py 中第 37 行附近的代码以加载你的模型。
   • 重启应用即可生效。

提示：如需开发更复杂的机器学习 Web 应用，也可参考 Gradio 或 Streamlit。