← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9411.f · 生成模型:Tencent Hunyuan Hy

部署PythonAnywhere与持久更新

理解等级:中级

本地测试后部署到公共服务器,用专托管 Python Web 应用的 PythonAnywhere(有免费初学者账户,但免费账户无法 SSH,只能 Web 界面管理)。注册后新建 Python 3.4 Flask Web 应用,通过 Web 界面上传本地 movieclassifier 目录文件,点 Reload 启动,出错时查 Web 标签下服务器日志。模型即时反馈更新会在服务器崩溃/重启后丢失(clf 从 classifier.pkl 重载)。持久化方案:每次更新即重新序列化(用户多时低效且并发可能损坏文件),或用 SQLite 反馈数据更新模型——下载数据库到本地、update.py 用 fetchmany(10000) 批量读取(避免 fetchall 溢出、fetchone 低效),更新 clf 后上传新序列化文件,并在 app.py 导入 update_model 于每次重启时按库更新。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python机器学习》第9章《9.5 在公共服务器上部署Web应用》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0122.xhtml.xhtml) - 结论依据:原文直接支撑上述要点。 - 原始内容:使得更新能够持久保存的一个方法就是:模型一旦被更新就立刻序列化新的clf对象