江苏龙网

  1. 主页 > 生活百科 > >

使用FastAPI部署YOLO模型的步骤( 二 )

FastAPI

这段代码定义了一个路由，响应根URL（“/”）的GET请求，并返回一个带有“message”字段的JSON响应 。
4. 本地运行FastAPI应用程序现在，是时候在本地测试您的FastAPI应用程序了 。打开终端并导航到包含 main.py 的项目目录 。如果还没有激活虚拟环境，请激活：
source myenv/bin/activate # Replace 'myenv' with your environment name接下来，使用Uvicorn运行您的FastAPI应用程序：
uvicorn main:app --reload这个命令告诉Uvicorn从 main.py 模块运行 app 对象，并启用开发环境下的自动重新加载 。您应该看到输出，指示您的FastAPI应用程序正在本地运行 。默认情况下 ， 它在 http://127.0.0.1:8000 上运行 。
5. 访问Hello World路由打开您的Web浏览器或使用 curl 等工具访问“Hello, World!”路由：
curl http://127.0.0.1:8000/您应该收到一个带有“Hello, World!”消息的JSON响应 。有了您的FastAPI应用程序运行起来 ， 您现在可以继续进行激动人心的部分：集成YOLOv8模型进行目标检测 。在接下来的部分中 ， 我们将探讨如何准备YOLOv8模型，并将其与FastAPI无缝集成 。第三部分：将YOLOv8与FastAPI集成现在我们已经有了FastAPI应用程序 ， 让我们深入研究如何集成YOLOv8模型进行实时目标检测的过程 。本节将引导您完成无缝将YOLOv8与FastAPI结合的步骤 。
1. 加载YOLOv8模型让我们从在FastAPI应用程序中加载YOLOv8模型开始 。打开 main.py 并在文件顶部添加以下代码以导入必要的模块：
import cv2import numpy as npfrom ultralytics import YOLO2. 创建一个目标检测路由现在，让我们在FastAPI中创建一个路由，该路由将接受一个用于目标检测的图像 。定义一个新的路由函数如下：
from fastapi import File, UploadFilemodel = YOLO("yolov8n.pt")@app.post("/detect/")async def detect_objects(file: UploadFile): # Process the uploaded image for object detection image_bytes = await file.read() image = np.frombuffer(image_bytes, dtype=np.uint8) image = cv2.imdecode(image, cv2.IMREAD_COLOR)# Perform object detection with YOLOv8 detections = model.predict(image)return {"detections": detections}在这里 ， 我们创建了一个名为 /detect/ 的路由，该路由接受上传的图像文件 。我们将使用 model.predict() 在上传的图像上执行目标检测 。
3. 测试目标检测路由完成了YOLOv8的集成 ， 现在您可以测试您的目标检测路由 。使用Uvicorn启动您的FastAPI应用程序：
uvicorn main:app --reload然后，向/detect/路由发出POST请求，上传一个图像文件进行目标检测 。您可以使用curl或Postman等工具进行此操作 。
curl -X POST -F "file=@image.jpg" http://127.0.0.1:8000/detect/您将收到一个带有目标检测结果的JSON响应 。恭喜！您已成功将YOLOv8与FastAPI集成 ， 实现了实时目标检测 。在接下来的部分中，我们将增强API ， 添加文档 ， 并探索部署选项 。
第四部分：部署FastAPI应用程序现在您已经构建了FastAPI应用程序，是时候将其部署，使您的目标检测API可以被用户访问了 。在本节中，我们将探讨各种部署选项，包括用于测试的本地部署和用于生产环境的基于云的部署 。
1. 本地部署进行测试在部署到生产环境之前，测试FastAPI应用程序在本地是否正常运行是必不可少的 。要在本地运行FastAPI应用程序，请打开终端，导航到包含 main.py 的项目目录，并激活虚拟环境（如果尚未激活）：
source myenv/bin/activate # Replace 'myenv' with your environment name然后，使用Uvicorn启动FastAPI应用程序：
【使用FastAPI部署YOLO模型的步骤】uvicorn main:app --reload您的FastAPI应用程序现在应该在 http://127.0.0.1:8000/ 上可访问 。您可以使用 curl 、Postman或您的Web浏览器测试API端点 。
2. 用于生产的基于云的部署当您准备将FastAPI应用程序部署到生产环境时，您有几个基于云的部署选项 。一些流行的选择包括：

上一篇：八种在 React 中实现条件渲染技术的方法

下一篇：详解 MySQL 的三个删除语句：DROP、TRUNCATE 、DELETE