ethkuil / machine-learning-model-serving Goto Github PK

任务内容：

• #2
• 2. 实现用户交互
• 3. 利用后端API

---

有意认领此任务者，可将该issue分配给自己。

任务内容：

等待返回接受批量的数据，比如 zip 文件包（里面是图片集、文本文件）、或者 csv 格式的文件，先返回任务 id（立即返回），之后可通过任务 id 查找结果。

• 添加任务
• 查询所有任务
• 查询单个任务
• 下载任务结果

---

有意认领此任务者，可将该issue分配给自己。

接口实现后应经过测试。测试可在Apifox中进行，这样测试用例可以保存，方便之后使用。而且单元测试是作业要求。

任务内容：

• 后端重新设计。改造为完全的前后端分离，路由与页面渲染都交给前端，后端只提供api。

• 使用flask-cors扩展提供跨域支持。

API实现、实现API所需的工具(若有；如“程设实践课程”的hw3, hw4)(utils)，可考虑放在不同的文件夹。
因为没经验没把握，故先用较简单的方式，后面发现有需要时不妨重构便是。

参考资料：

• The-Flask-Mega-Tutorial-zh/第十五章：优化应用结构
• The-Flask-Mega-Tutorial-zh/第二十三章：应用程序编程接口（API）

---

有意认领此任务者，可将该issue分配给自己。

任务内容：

• 添加服务
• 查询所有服务基本信息
• 查询服务详情
• 暂停服务
• 启动服务
• 删除服务
• 使用服务预测（快速返回接口）

---

有意认领此任务者，可将该issue分配给自己。

此任务是重难点，可能需要多人探讨、合作。相关技术：docker、k8s.

接口实现后应经过测试。测试可在Apifox中进行，这样测试用例可以保存，方便之后使用。而且单元测试是作业要求。

先做个粗糙的UI，主要目的是方便后续开发。
尽量复刻DaaS截图，虽然似乎这样没有亮点，但自己考虑可能更丑。

参考截图：
自动部署PMML模型生成REST API - 简书
使用ONNX部署深度学习和传统机器学习模型 - 简书
DaaS (部署即服务) - AutoDeployAI

完成粗糙的UI后，再提1个issue「美化UI」。

背景：

初稿UI(#2)已足以辅助理解网站的使用方法。但由于我还不太会排版，有的地方目前暂未得到妥善处理。

任务内容：

改进UI。如让中间部分在高度上自动拓展填满整屏，详情页面的页头排列整齐。

任务内容：

• 修改UI与路由
• 实现用户交互。所需数据由Apifox的Mock数据提供。

---

有意认领此任务者，可将该issue分配给自己。

任务内容：

实现「测试模型」接口。

---

有意认领此任务者，可将该issue分配给自己。

接口实现后应经过测试。测试可在Apifox中进行，这样测试用例可以保存，方便之后使用。而且单元测试是作业要求。

• 小组文档
• 安装手册
• 后端使用手册
• 前端使用手册

注意事项：

• 提交小组作业材料时一并把答辩的相关材料整合进去，另外GitHub链接等类似的协同开发记录或代码量、工作量统计也可以加在小组文档里。

额外材料：

• 项目演示。目前考虑使用视频形式。
• 测试数据。

---

另：各人须各自在网络学堂提交个人报告。

任务内容：下载、上传、删除文件，包括模型和数据集

---

有意认领此任务者，可将该issue分配给自己。

任务内容：
读取pmml和onnx格式的模型:

• 「查看模型信息」：类似 DaaS 平台的信息，包括输入（字段名、类型、取值[如有]、维数[如有]）和目标变量（已完成）

• 「添加模型」（已完成）

• 「删除模型」（已完成）

• 「测试模型」:能够测试模型，通过表单输入数据（表单项可能是文本也可能是文件，类似 postman）或者
  使用 JSON 命令直接输入 JSON 格式的数据，提交后预测结果会显示在界面中
  （onnx目前跑logreg_iris.onnx没有问题，出现其他数据类型可能有bug，pmml目前跑xgb-iris.pmml没有问题，但出现其他数据类型可能有bug）