python做小程序后端,微信小程序调用Python
近期需要开发一个打分的微信小程序，涉及到与后台服务器的数据交互，这篇文章主要给大家介绍了关于微信小程序前端如何调用大蟒后端模型的相关资料，需要的朋友可以参考下
目录
需求：微信小程序端：烧瓶端：总结
需求：
小程序端拍照调用大蟒训练好的图片分类模型。实现图片分类识别的功能。
微信小程序端：
重点在选择图像函数中，根据图片路径获取到图片传递给瓶的网址；
页面({
数据： {
SHOW_TOP:真，
canRecordStart: false，
},
数据： {
临时文件路径： ,
sourceType: [相机,相册]
},
isSpeaking: false，
访问令牌： ,
加载：功能（选项){
console.log(onLoad！);
这个。set header()；
变那个=这个
wx.showShareMenu({
withShareTicket: true //要求小程序返回分享目标信息
});
var is showed=wx。getstoragesync( tip )；
如果(isShowed！=1) {
setTimeout(()={
this.setData({
SHOW_TOP: false
})
wx.setStorageSync(tip ，1)
}, 3 * 1000)
}否则{
this.setData({
SHOW_TOP: false
})
};
},
},
//头像点击处理事件，使用wx.showActionSheet()调用菜单栏
buttonclick: function () {
常数那个=这个
wx.showActionSheet({
项目列表： [拍照, 相册],
itemColor: ，
//成功时回调
成功：函数(资源){
如果(!预订取消){
/*
研究资料索引返回用户点击的按钮序号，从上到下的顺序，从0开始
比如用户点击本例中的拍照就返回0,相册就返回一
我们研究资料索引的值传给选择图像()
*/
that.chooseImage(res.tapIndex)
}
},
setHeader(){
const tempfile paths=wx。getstoragesync(“临时文件路径”)；
if (tempFilePaths) {
this.setData({
临时文件路径：临时文件路径
})
}否则{
this.setData({
tempfile paths : /图像/摄像机。巴布亚新几内亚
})
}
},
选择图像(tapIndex) {
const checkeddata=true
常数那个=这个
wx.chooseImage({
//计数表示一次可以选择多少照片
count: 1，
//sizeType所选的图片的尺寸，原创原图，压缩压缩图
sizeType: [原始,压缩],
//如果来源
pe为camera则调用摄像头，为album时调用相册
sourceType: [that.data.sourceType[tapIndex]],
success(res) {
// tempFilePath可以作为img标签的src属性显示图片
console.log(res);
const tempFilePaths = res.tempFilePaths
//将选择到的图片缓存到本地storage中
wx.setStorageSync(tempFilePaths, tempFilePaths)
/*
由于在我们选择图片后图片只是保存到storage中，所以我们需要调用一次 setHeader()方法来使页面上的头像更新
*/
that.setHeader();
// wx.showToast({
// title: 设置成功,
// icon: none,
// // duration: 2000
// })
wx.showLoading({
title: 识别中...,
})
var team_image = wx.getFileSystemManager().readFileSync(res.tempFilePaths[0], "base64")
wx.request({
url: http://127.0.0.1:5000/upload, //API地址，upload是我给路由起的名字，参照下面的python代码
method: "POST",
header: {
content-type: "application/x-www-form-urlencoded",
},
data: {image: team_image},//将数据传给后端
success: function (res) {
console.log(res.data); //控制台输出返回数据
wx.hideLoading()
wx.showModal({
title: 识别结果,
confirmText: "识别正确",
cancelText:"识别错误",
content: res.data,
success: function(res) {
if (res.confirm) {
console.log(识别正确)
} else if (res.cancel) {
console.log(重新识别)
}
}
})
}
})
}
})
},
});
flask端：
将图片裁剪，填充，调用自己训练保存最优的模型，用softmax处理结果矩阵，最后得到预测种类
# coding=utf-8from flask import Flask, render_template, request, jsonify
from werkzeug.utils import secure_filename
from datetime import timedelta
from flask import Flask, render_template, request
import torchvision.transforms as transforms
from PIL import Image
from torchvision import models
import os
import torch
import json
import numpy as np
import torch.nn as nn
import matplotlib.pyplot as plt
import base64
app = Flask(__name__)
def softmax(x):
exp_x = np.exp(x)
softmax_x = exp_x / np.sum(exp_x, 0)
return softmax_x
with open(dir_label.txt, r, encoding=utf-8) as f:
labels = f.readlines()
print("oldlabels:",labels)
labels = list(map(lambda x: x.strip().split(\t), labels))
print("newlabels:",labels)
def padding_black(img):
w, h = img.size
scale = 224. / max(w, h)
img_fg = img.resize([int(x) for x in [w * scale, h * scale]])
size_fg = img_fg.size
size_bg = 224
img_bg = Image.new("RGB", (size_bg, size_bg))
img_bg.paste(img_fg, ((size_bg - size_fg[0]) // 2,
(size_bg - size_fg[1]) // 2))
img = img_bg
return img
# 输出
@app.route(/)
def hello_world():
return Hello World!
# 设置允许的文件格式
ALLOWED_EXTENSIONS = set([png, jpg, JPG, PNG, bmp])
def allowed_file(filename):
return . in filename and filename.rsplit(., 1)[1] in ALLOWED_EXTENSIONS
# 设置静态文件缓存过期时间
app.send_file_max_age_default = timedelta(seconds=1)
# 添加路由
@app.route(/upload, methods=[POST, GET])
def upload():
if request.method == POST:
# 通过file标签获取文件
team_image = base64.b64decode(request.form.get("image")) # 队base64进行解码还原。
with open("static/111111.jpg", "wb") as f:
f.write(team_image)
image = Image.open("static/111111.jpg")
# image = Image.open(laji.jpg)
image = image.convert(RGB)
image = padding_black(image)
transform1 = transforms.Compose([
transforms.Resize(224),
transforms.ToTensor(),
])
image = transform1(image)
image = image.unsqueeze(0)
# image = torch.unsqueeze(image, dim=0).float()
print(image.shape)
model = models.resnet50(pretrained=False)
fc_inputs = model.fc.in_features
model.fc = nn.Linear(fc_inputs, 214)
# model = model.cuda()
# 加载训练好的模型
checkpoint = torch.load(model_best_checkpoint_resnet50.pth.tar)
model.load_state_dict(checkpoint[state_dict])
model.eval()
src = image.numpy()
src = src.reshape(3, 224, 224)
src = np.transpose(src, (1, 2, 0))
# image = image.cuda()
# label = label.cuda()
pred = model(image)
pred = pred.data.cpu().numpy()[0]
score = softmax(pred)
pred_id = np.argmax(score)
plt.imshow(src)
print(预测结果：, labels[pred_id][0])
# return labels[pred_id][0];
return json.dumps(labels[pred_id][0], ensure_ascii=False)//将预测结果传回给前端
# plt.show()
# return render_template(upload_ok.html)
# 重新返回上传界面
# return render_template(upload.html)
if __name__ == __main__:
app.run(debug=False)
大致的效果：
但是在手机上测试的话，wx.request{}里的url的域名不规范，不能出现这种端口号，目前还在想解决办法，有知道的大佬还望告知。
总结
到此这篇关于微信小程序前端如何调用python后端模型的文章就介绍到这了,更多相关小程序调用python后端模型内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。