Decision Tree 모델을 Heroku에 배포하기

실습 자료

Designing a Machine Learning model and deploying it using Flask on Heroku - Ritvik Khanna
- Heroku, Flask, gunicorn, Heroku CLI
- Decision Tree
- Adult dataset from UCI repository
- pickle

실습 준비

개발 환경

Windows 10
Anaconda 2019.03
Python 3.7
Flask 1.1.1

배포 환경

Heroku
Python
Flask
Gunicorn

설치 프로그램

프로젝트 폴더

다운로드 위치

Income-Prediction-Webapp

프로젝트 폴더 구조

Prediction\
    Dataset\
        adult.csv
    NNmodel\
        mappings.txt
        model.pkl
        model.sav
    DecisionTreeClassifier.ipynb
    LICENSE
    ModelLoader.ipynb
    README.md
WebApp\
    flaskr\
        templates\
            index.html
            result.html
        __init__.py
    model.pkl
README.md

Heroku 계정 생성

Heroku 사이트에서 무료 계정을 생성합니다.

실습 진행

프로젝트 폴더 작업

모델 파일 이동

WebApp 폴더 아래에 있는 model.pkl 파일을 flaskr 폴더 아래로 옮깁니다.

script.py 파일 추가

WebApp\flaskr 폴더 아래에 script.py 파일을 추가하고 텍스트 파일 편집기를 사용하여 아래 내용을 저장합니다.

import os
import numpy as np
import flask
import pickle
from flask import Flask, render_template, request

app=Flask(__name__)

@app.route('/')
@app.route('/index')
def index():
    return flask.render_template('index.html')

def ValuePredictor(to_predict_list):
    to_predict = np.array(to_predict_list).reshape(1,12)
    loaded_model = pickle.load(open("model.pkl","rb"))
    result = loaded_model.predict(to_predict)
    return result[0]

@app.route('/result',methods = ['POST'])
def result():
    if request.method == 'POST':
        to_predict_list = request.form.to_dict()
        to_predict_list=list(to_predict_list.values())
        to_predict_list = list(map(int, to_predict_list))
        result = ValuePredictor(to_predict_list)
        if int(result)==1:
            prediction='Income more than 50K'
        else:
            prediction='Income less than 50K'
        return render_template("result.html",prediction=prediction)

가상환경 구성하기

Anaconda Prompt 창에서 실습을 진행합니다.
가상환경 만들기

> conda create -n flask_for_ml

가상환경 활성화

> conda activate flask_for_ml

라이브러리 설치

> conda install pip
> pip install flask
> pip install numpy
> pip install sklearn
> pip install gunicorn

웹앱을 로컬에서 실행하기

Anaconda Prompt 창에서 실습을 진행합니다.

> cd WebApp\flaskr

웹앱 실행

> set FLASK_APP=script.py
> flask run

브라우져로 확인

브라우져로 http://localhost:5000/ 주소의 페이지를 엽니다.
HTML 폼에 값들을 입력하고 Submit 버튼을 클릭합니다.
Income more than 50K 또는 Income less than 50K 메시지가 표시되면 오류 없이 정상적으로 실행된 것입니다.
- 오류가 발생하면 웹앱 실행 프롬프트 창에서 오류와 관련된 메시지가 있는지 확인하고 이를 해결합니다.

Heroku 웹앱으로 준비하기

Anaconda Prompt 창에서 실습을 진행합니다.
requirements.txt 파일 만들기

> cd WebApp\flaskr
> pip freeze > requirements.txt

생성된 requirements.txt 파일 내용은 아래와 같습니다.

certifi==2019.6.16
Click==7.0
Flask==1.1.0
gunicorn==19.9.0
itsdangerous==1.1.0
Jinja2==2.10.1
joblib==0.13.2
MarkupSafe==1.1.1
numpy==1.16.4
scikit-learn==0.21.2
scipy==1.3.0
sklearn==0.0
Werkzeug==0.15.4
wincertstore==0.2

Procfile 파일 만들기
WebApp\flaskr 폴더 아래에 Procfile 파일을 추가하고 텍스트 파일 편집기를 사용하여 아래 내용을 저장합니다.

web: gunicorn script:app

.gitignore 파일 만들기
WebApp\flaskr 폴더 아래에 .gitignore 파일을 추가하고 텍스트 파일 편집기를 사용하여 아래 내용을 저장합니다.

__pycache__/

Git 저장소 만들기

> cd WebApp\flaskr
> git init
> git add .
> git commit -m "Initial commit."

웹앱을 Heroku 클라우드로 배포하기

Command Prompt 창에서 실습을 진행합니다.
Heroku 클라우드에 로그인

> heroku login -i

Heroku 클라우드에 앱 생성

> heroku create
Creating app... done, ⬢ shrouded-savannah-64056
https://shrouded-savannah-64056.herokuapp.com/ | https://git.heroku.com/shrouded-savannah-64056.git

웹앱 배포장소를 Heroku 클라우드로 지정하기

> cd WebApp\flaskr
> heroku git:remote -a shrouded-savannah-64056
set git remote heroku to https://git.heroku.com/shrouded-savannah-64056.git

웹앱을 배포하기

> git push heroku master
...
remote:        https://shrouded-savannah-64056.herokuapp.com/ deployed to Heroku
remote:
remote: Verifying deploy... done.
To https://git.heroku.com/shrouded-savannah-64056.git
 * [new branch]      master -> master

브라우져에서 웹앱 열기
브라우져에서 아래 주소의 페이지를 엽니다.

https://shrouded-savannah-64056.herokuapp.com/

또는 명령 프롬프트에서 아래 명령을 사용하여 위 주소의 페이지를 브라우져로 열 수 있습니다.

> heroku open

Written with StackEdit.

천천히, 제대로

이 블로그 검색