如何通过模板传入图像并使用模型通过 FastAPI 进行预测？

Question

我正在尝试创建一个机器学习 Web 应用程序。我有一个接收图像（jpg 或 png）的 html 页面，我正在将模型加载到 API 中以预测图像和输出结果。 FastAPI 的预测功能下的行在单独的文件中工作，但我认为 API 采用的数据格式有问题。

from starlette.responses import RedirectResponse
from fastapi.staticfiles import StaticFiles
from fastapi import FastAPI, Form
from tensorflow.keras import preprocessing
from keras.models import load_model
import numpy as np
import uvicorn

app = FastAPI()
app.mount("/Templates", StaticFiles(directory="Templates"), name="Templates")

model_dir = 'F:\\Saved-Models\\Dog-Cat-Models\\First_Generation_dog_cat_optuna.h5'
model = load_model(model_dir)


@app.get('/')
async def index():
    return RedirectResponse(url="/Templates/index.html")


@app.post('/prediction_page')
async def prediction_form(dogcat_img: bytes = Form(...)):
    pp_dogcat_image = preprocessing.image.load_img(dogcat_img, target_size=(150, 150))
    pp_dogcat_image_arr = preprocessing.image.img_to_array(pp_dogcat_image)
    input_arr = np.array([pp_dogcat_image_arr])
    prediction = np.argmax(model.predict(input_arr), axis=-1)
    print(prediction)


if __name__ == '__main__':
    uvicorn.run(app, host='localhost', port=8000)

我得到的错误：

FileNotFoundError: [Errno 2] No such file or directory: b'cat.83.jpg'

它不应该需要完整路径，因为图像正在通过网页传递，对吗？我也尝试过 UploadFile 而不是 bytes 并收到此错误：

INFO:     ::1:6918 - "POST /prediction_page HTTP/1.1" 422 Unprocessable Entity

编辑： HTML 代码：

<form action="/prediction_page" method="post">
        <label for="image-upload" class="custom-file-upload">Select Image:</label>
        <input type="file" id="image-upload" name="dogcat_img"><br>
        <input class="custom-submit-button" type="submit">
    </form>

Answer 1

使用async def prediction_form(dogcat_img: bytes = File(...)): 如果你想获取字节数据。

在您的情况下： pp_dogcat_image = preprocessing.image.load_img(dogcat_img, target_size=(150, 150)) 似乎这一行将从本地文件路径加载文件。所以我建议你使用UploadFile 类型而不是字节。 你的功能是这样的：

# ...
from fastapi import File, UploadFile
# ...

async def prediction_form(dogcat_img: UploadFile = File(...)):
    # ...
    pp_dogcat_image = preprocessing.image.load_img(dogcat_img.file_name, target_size=(150, 150))