麻痹的搞了我一整天，蛋疼本来想把检测模型或者rtsp实时流部署到后端。网上有人推荐一个github项目https://github.com/muhk01/Yolov5-on-Flask后来有人把这个项目给修改了，运行起来了，我也准备运行一下https://github.com/xugaoxiang/yolov5-flask 先把代码拉下来直接配置：先说说修改的地方和出现问题的地方旧的requirements.txtopencv-python~=4.4.0.44matplotlib~=3.3.3numpy~=1.19.2torch~=1.6.0+cu101torchvision~=0.7.0+c
麻痹的搞了我一整天，蛋疼本来想把检测模型或者rtsp实时流部署到后端。网上有人推荐一个github项目https://github.com/muhk01/Yolov5-on-Flask后来有人把这个项目给修改了，运行起来了，我也准备运行一下https://github.com/xugaoxiang/yolov5-flask 先把代码拉下来直接配置：先说说修改的地方和出现问题的地方旧的requirements.txtopencv-python~=4.4.0.44matplotlib~=3.3.3numpy~=1.19.2torch~=1.6.0+cu101torchvision~=0.7.0+c
Ajax是异步JavaScript和XML可用于前后端交互，在之前《Flask框架：运用Ajax实现数据交互》简单实现了前后端交互，本章将通过Ajax轮询获取后端的数据，前台使用echart绘图库进行图形的生成与展示，后台通过render_template方法返回一串JSON数据集，前台收到后将其应用到绘图库上，实现动态监控内存利用率的这个功能。首先LyShark先来演示一下前端如何运用AJAX实现交互，通过$.ajax定义ajax开始标志，并指定url,type,datetype等信息，通过setInterval设置一个1000毫秒的定时器，每隔一段时间则去后端取数据。$(function(
Ajax是异步JavaScript和XML可用于前后端交互，在之前《Flask框架：运用Ajax实现数据交互》简单实现了前后端交互，本章将通过Ajax轮询获取后端的数据，前台使用echart绘图库进行图形的生成与展示，后台通过render_template方法返回一串JSON数据集，前台收到后将其应用到绘图库上，实现动态监控内存利用率的这个功能。首先LyShark先来演示一下前端如何运用AJAX实现交互，通过$.ajax定义ajax开始标志，并指定url,type,datetype等信息，通过setInterval设置一个1000毫秒的定时器，每隔一段时间则去后端取数据。$(function(
前言看到不少文章讲解用Flask部署YOLOv5的，不过基本都在本地上能够运行而戛然而止。因此，我打算再进一步，利用Docker在云服务器上部署YOLOv5，这样就能够开放给别人使用。代码仓库：https://github.com/zstar1003/yolov5-flask本地部署本地项目主要参考了robmarkcole的这个项目[1]，原始项目是一年前多发布的大概用的是YOLOv5较早的版本，直接download下来会出现一些问题。于是我使用YOLOv5-5.0版本进行了重构。项目结构整体项目结构如下图所示：models：存放模型构建相关程序，直接从yolov5-5.0版本中clone过来
前言看到不少文章讲解用Flask部署YOLOv5的，不过基本都在本地上能够运行而戛然而止。因此，我打算再进一步，利用Docker在云服务器上部署YOLOv5，这样就能够开放给别人使用。代码仓库：https://github.com/zstar1003/yolov5-flask本地部署本地项目主要参考了robmarkcole的这个项目[1]，原始项目是一年前多发布的大概用的是YOLOv5较早的版本，直接download下来会出现一些问题。于是我使用YOLOv5-5.0版本进行了重构。项目结构整体项目结构如下图所示：models：存放模型构建相关程序，直接从yolov5-5.0版本中clone过来
一、需求背景：人工智能训练好的模型model，需要放到服务器上，作为基础能力提供给应用侧，否则model只能中电脑本地处理。那么怎么解决这个部署到服务器上的问题呢？二、解决思路：web应用部署，有3种主流的方式，1.Django：大而全，集成了很多组件，属于全能型、重量级框架。2.Falsk：小而轻，极容易上手，第三方提供的组件多，加起来可以完全覆盖Django。3.Torando：高并发性能强，但是较为原始的框架，后期拓展可能会受限。综上所述，选择Flask框架。分2步实现：1是在本地先跑起来，2是放到云服务器上跑起来。三、实现操作：1.安装flaskpipinstallFlask2.验证是
一、需求背景：人工智能训练好的模型model，需要放到服务器上，作为基础能力提供给应用侧，否则model只能中电脑本地处理。那么怎么解决这个部署到服务器上的问题呢？二、解决思路：web应用部署，有3种主流的方式，1.Django：大而全，集成了很多组件，属于全能型、重量级框架。2.Falsk：小而轻，极容易上手，第三方提供的组件多，加起来可以完全覆盖Django。3.Torando：高并发性能强，但是较为原始的框架，后期拓展可能会受限。综上所述，选择Flask框架。分2步实现：1是在本地先跑起来，2是放到云服务器上跑起来。三、实现操作：1.安装flaskpipinstallFlask2.验证是
前段时间了解了一下vue-element-admin，按着官网搭建了一下，踩了不少坑，有时间就记录下来，方便以后用到了可以在看看。下面我讲的是用git克隆的方法，当然你也可以直接在github上下载。vue-element-admin一、搭建项目的前提条件1.克隆vue-element-admin需要用到git,如果没有安装git,命令会报错 (1）git下载地址：下载地址，下载比较慢 （2）下载完后直接下一步下一步安装即可 （3）安装完成后，cmd命令行输入：git-v或git--version可以查看版本,效果如下图所示：2.vue项目的话，肯定要安装搭建vue环境
前段时间了解了一下vue-element-admin，按着官网搭建了一下，踩了不少坑，有时间就记录下来，方便以后用到了可以在看看。下面我讲的是用git克隆的方法，当然你也可以直接在github上下载。vue-element-admin一、搭建项目的前提条件1.克隆vue-element-admin需要用到git,如果没有安装git,命令会报错 (1）git下载地址：下载地址，下载比较慢 （2）下载完后直接下一步下一步安装即可 （3）安装完成后，cmd命令行输入：git-v或git--version可以查看版本,效果如下图所示：2.vue项目的话，肯定要安装搭建vue环境
