Django中的机器学习（tensorflow/sklearn）？

我有一个django表单，它正在收集用户响应。我还有一个tensorflow句子分类模型。将这两者结合在一起的最佳/标准方式是什么。 详情：

tensorflow模型是根据腐烂番茄的电影评论数据进行训练的

每次在响应模型中创建新行时，我都希望tensorflow代码对其进行分类（+或-）

基本上，我有一个django项目目录和两个用于分类的.py文件。在我开始之前，我想知道在web应用程序中实现机器学习算法的标准方法是什么

如果你能推荐一个教程或回购，那就太棒了。 谢谢大家!

异步处理 如果您不需要将ML代码的分类结果立即传递给用户（例如，作为对submtted的同一POST请求的响应），则您可以始终将分类作业排队，以便在后台运行，甚至在具有更多CPU/内存资源的不同服务器上运行（例如，使用或）

例如，排队任务将填充数据库行中该字段为空（尚未分类）的字段

UserResponse.class\u name

（正、负）

实时通知 如果ML代码很慢，并且希望在结果可用时尽快将结果返回给用户，则可以使用上述异步方法，并与实时通知配对（例如，到浏览器（）

如果ML执行时间太长，可能会在下面描述的同步方法中超时HTTP请求，则这是必要的

同步处理，如果ML代码不是CPU密集型的（足够快） 如果需要立即返回分类结果，并且ML分类足够快*，则可以在HTTP请求响应周期内执行此操作（POST请求在ML代码完成后同步返回）

---

*这里足够快意味着它不会超时HTTP请求/响应，用户也不会失去耐心。

好吧，我必须自己开发相同的解决方案。在我的例子中，我使用了Theano。如果您使用tensorflow或Theano，您可以保存您构建的模型。因此，首先，使用您的训练数据集训练模型，然后保存m使用您选择的库进行odel。您只需要将处理预测的部分代码部署到django web应用程序中。因此，使用一篇简单的帖子，您可以足够快地将句子的预测类提供给用户。此外，如果您认为需要，您可以定期运行作业，使用重新编辑输入模式并再次保存。

我建议不要使用Django，因为它会增加解决方案的执行时间

相反，您可以使用该节点为Reactjs前端提供服务，该前端和作为独立服务器的功能进行交互

正如本文上面的答案所建议的，最好使用WebSocket，您可以使用react，以便在组件状态发生更改时刷新组件

---

希望这能有所帮助。

为什么它与服务器端发生的任何事情都不同？你得到输入，你返回输出。为什么它被标记为node.js问题？在我进行特征提取并将其附加到numpy数组时，这需要大量内存，我打算继续用新的响应重新训练我的CNN。而且，我认为它会遍历存储在mongoDB，idk中的响应会更容易。您是如何初始化TF会话的？每次请求传入时？还是在某个地方初始化并重用它？将其初始化一次并重用，在另一台机器上运行，上面有API。有什么建议吗？是否可以将重新训练模型的过程自动化一次每月或每周使用收集的数据？有吗suggestions@Dev_Man您可以使用芹菜定期运行类似的任务任何建议您能提供一个这样做的示例吗？@bakkal