在Web服务器上部署Python脚本

我在Python 3.6.3中做了一个项目，它有两个主要模块，分别是-

• （opencv python==3.4.0.12）
• （tf夜间==1.8.0.dev20180329）

它现在在我的本地机器上运行。我想通过Flask将其部署到web服务器上，作为网站。我知道我可以在我的

Flask.py

中调用我的主脚本，即

main.py

（创建该脚本只是为了给出一个想法）

Flask.py

from flask import Flask
import main # Main Python Script

app = Flask(__name__)

@app.route('/')
def my_script():
    main.some_func()
    ........
.......
.......
.......


if __name__ == '__main__':
    app.secret_key = 'super_secret_key'
    app.debug = True
    app.run(host='0.0.0.0', port=8000)

我浏览了一些链接，了解了和链接（适用于Keras，我正在使用Tensorflow），这里给出了将模型部署为API

因此，我很难弄清楚应该如何将我的项目部署为网站或API

• 如果作为一个网站，我应该采取什么措施？我应该简单地调用函数还是使用芹菜
• 如果作为一个API，那么我的API不需要一个web服务器，而我的网站不需要另一个web服务器吗

（我的结论可能是错的）

任何人请告诉我如何处理这个问题。谢谢大家!

一般来说：

两者都可以：可以在同一台机器上运行WebServer和API。这只是正确设置代理服务器的问题。也可以从服务器进行API调用。API有助于保持MVC架构的简洁

如果API和Web服务器之间存在一些不利影响（性能问题），您可以在以后为它们设置单独的服务器

API方法的最大缺点是性能损失，但您仍然可以在Web服务器中编写绕过它的脚本

---

对于Keras、Tensorflow或任何AI实现，我强烈建议使用单独的服务器，因为这是资源密集型的（培训时需要大量的GPU电源），而web服务器更需要CPU（或多或少的稳定负载）

---

但在投入生产之前，通用方法仍然可行。

谁将使用您的机器学习工具？一次调用你的函数需要多长时间？我大学的教员。我的脚本平均在25-30秒@syntony内给出输出实际上，我使用的是Tensorflow的CPU版本，我的主脚本只对我的机器学习模块进行了一次调用，我的脚本最多在30秒或40秒内给出输出。那么，如果我像我在问题的代码存根中提到的那样实现我的flask应用程序，它还会减慢速度吗@MIKA72哪种方法是通用的@Mika72一般/通用（在部署任何web服务时）在我的答案中是水平线。对于使用web服务的AI，从“For Keras，…”开始。