Python和R是數據中心工程師最流行的編程語言之一。但是，它們并不總是構建應用程序的其余部分的語言。這就是為什么你有時需要找到一種方法來將用Python或R編寫的機器學習模型部署到基于.NET等語言的環境中。

在本文中，我將展示如何使用Web API將機器學習模型集成到.NET編寫的應用程序中。

開始：Flask

我們可以使用Flask作為共享和主持我們的機器學習預測的一種方式。讓我們使用來自Kaggle比賽的著名的Titanic數據集。首先，創建一個新文件，并將其命名為titanic_app.py（或任何你想要的名稱）。導入并初始化Flask應用程序；然后在底部啟動服務器。在中間留出空間，以便稍后添加模型和路徑。

import flask
app = flask.Flask(__name__)
#-------- MODEL GOES HERE -----------#
#-------- ROUTES GO HERE -----------#
if __name__ == '__main__':
'''Connects to the server'''
HOST = '127.0.0.1'
PORT = 4000      #make sure this is an integer
app.run(HOST, PORT)

請注意，我們指定了我們希望應用程序運行的主機和端口。

創建和訓練模型

加載Titanic數據集并在其上創建一個模型：

#-------- MODEL GOES HERE -----------#
import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
df = pd.read_csv('data/titanic.csv')
include = ['Pclass', 'Sex', 'Age', 'Fare', 'SibSp', 'Survived']
# Create dummies and drop NaNs
df['Sex'] = df['Sex'].apply(lambda x: 0 if x == 'male' else 1)
df = df[include].dropna()
X = df['Pclass', 'Sex', 'Age', 'Fare', 'SibSp']
y = df['Survived']
PREDICTOR = RandomForestClassifier(n_estimators=100).fit(X, y)

制作一個簡單的API

這是有趣的部分。現在我們有一個PREDICTOR，我們需要得到一些值來做出我們的預測。一種方法是從URL參數中獲取信息，這些參數是出現在URL中的？之后的key:value對。 例如，如果您導航到//localhost:4000/predict?pclass=1&sex=1&age=18&fare=500&sibsp=0，則Flask可以為您檢索該數據。

我們寫一條路徑來做到這一點：

#-------- ROUTES GO HERE -----------#
@app.route('/predict', methods=["GET"])
def predict():
pclass = flask.request.args['pclass']
sex = flask.request.args['sex']
age = flask.request.args['age']
fare = flask.request.args['fare']
sibsp = flask.request.args['sibsp']
item = [pclass, sex, age, fare, sibsp]
score = PREDICTOR.predict_proba(item)
results = {'survival chances': score[0,1], 'death chances': score[0,0]}
return flask.jsonify(results)

保存文件并啟動您的應用程序。您的模型現在有一個簡單的API！

部署到.NET環境

在您的.NET環境中部署Flask有很多選擇——它們將大大依賴于您的基礎架構選擇。為了讓您了解這個過程，我們來看看使用Microsoft Azure部署到IIS環境。

我會假設你：

• 已經創建了一個Azure Cosmos數據庫（這篇文章的范圍之外，詳情請參閱）。
• 已經創建了一個Flask Web應用程序（正如我們上面所經歷的）。
• 熟悉Azure和Visual Studio。

如果您已正確設置環境，則可以將您的Web應用程序部署到Azure。這可以通過創建一個web.config文件來更新Web服務器上的文件來匹配您的實例中的文件。為此，請執行以下步驟：

• 在Visual Studio Solution Explorer中，右鍵單擊該項目并選擇Add > New Item。在出現的對話框中，選擇Azure web.config（Fast CGI）模板，然后選擇確定OK。這會在您的項目根目錄下創建一個web.config文件。
• 修改web.config，使路徑與Python安裝相匹配。例如，對于Python 2.7 x64，條目應該如下所示：

  < system.webServer >
      < handlers >
          < add name="PythonHandler" path="*" verb="*" modules="FastCgiModule" scriptProcessor="D:\home\Python27\python.exe|D:\home\Python27\wfastcgi.py" resourceType="Unspecified" requireAccess="Script"/ >
      < /handlers >
  < /system.webServer >
  

• 將web.config中的WSGI_HANDLER條目設置為tutorial.app，以匹配項目名稱，如下所示：

  < !-- Flask apps only: change the project name to match your app -- >
  < add key="WSGI_HANDLER" value="tutorial.app"/ >
  

• 在Visual Studio Solution Explorer中，展開tutorial文件夾，右鍵單擊靜態文件夾，選擇Add> New Item，選擇Azure靜態文件web.config模板，然后選擇OK。此操作將在禁用該文件夾的Python處理的靜態文件夾中創建另一個web.config。該配置將靜態文件的請求發送到默認Web服務器，而不是使用Python應用程序。
• 保存文件，然后右鍵單擊解決方案資源管理器中的項目（確保您還沒有在本地運行），然后選擇發布。
• 在發布“Publish”對話框中，選擇“Microsoft Azure App Service”，選擇新建“Create New”，然后單擊發布“Publish”。
• 在“Create App Service”對話框中，輸入您的Web應用程序的名稱以及訂閱、資源組和應用程序服務計劃。然后，點擊創建。
• 幾秒鐘后，Visual Studio完成將文件復制到服務器，并在//.azurewebsites.net/頁面上顯示以下錯誤消息：“The page cannot be displayed because an internal server error has occurred.”。
• 在Azure門戶中，打開您的新的應用程序服務帳戶。在導航菜單中，向下滾動到開發工具（Development Tools）部分，選擇擴展（Extensions），然后單擊添加（Add）。
• 在“Choose Extension”頁面中，向下滾動到最新的Python 2.7安裝并選擇x86或x64位選項，然后單擊“OK”接受法律條款。
• 使用Kudu控制臺，您可以通過//.scm.azurewebsites.net/DebugConsole找到它，以安裝應用程序的requirements.txt文件中列出的軟件包。為此，在Kudu診斷控制臺中，導航到D:\home\Python27中的Python文件夾，然后按照Kudu控制臺部分中所述運行以下命令：

  D:\home\Python27>python -m pip install --upgrade -r /home/site/wwwroot/requirements.txt
  

• 通過按下重新啟動（Restart）按鈕來安裝新軟件包之后，在Azure門戶中重新啟動App Service。 完整配置服務器環境后，刷新瀏覽器中的頁面，即可顯示Web應用程序。

更多有關信息，請查看以下鏈接：

推薦閱讀：

展望2018年：基于AI人工智能的移動應用程序開發將如何發展

開發一個聊天機器人（Chatbot）應用程序需要花費多少錢？

NLP|自然語言處理-語法解析指南：算法和技術

PS: 更多、相關視頻、培訓、公開課，請關注！

關于人工智能機器學習的最新資訊和相關開發工具推薦，請<>！