2022年1月6日整理發(fā)布：Heroku 云在Web開發(fā)人員和機(jī)器學(xué)習(xí)愛好者中頗負(fù)盛名。該平臺提供了部署和維護(hù)Web應(yīng)用程序的簡易方法，但如果您不熟悉部署深度學(xué)習(xí)應(yīng)用程序，可能會遇到棘手的存儲和依賴問題。本文將使您的部署過程更順暢，以便您能專注于創(chuàng)建出色的Web應(yīng)用程序。我們將學(xué)習(xí)DVC集成、基于Git和CLI的部署、錯誤代碼H10、使用Python軟件包以及優(yōu)化存儲。

一、基于Git和CLI的部署

Streamlit應(yīng)用程序可以使用Git、GitHub集成或使用Docker加以部署?；贕it的方法是在Heroku服務(wù)器上部署任何數(shù)據(jù)應(yīng)用程序的更快速更簡單的方法。

基于Git的簡單方法

Streamlit應(yīng)用程序可使用以下命令來部署：

git remote add heroku https://heroku:$HEROKU_API_KEY@git.heroku.com/.git

git push -f heroku HEAD:master

為此，您需要：

Heroku API 密鑰

Heroku 應(yīng)用程序：通過CLI或訪問網(wǎng)站。

基于Git的項(xiàng)目

配置文件

基于CLI的方法

基于CLI的部署很基本，且易于學(xué)習(xí)。

1. 在此處創(chuàng)建一個免費(fèi)的Heroku帳戶。

2. 使用該鏈接，安裝Heroku CLI。

3. 克隆遠(yuǎn)程存儲庫或使用git init。

4. 輸入heroku login和heroku create dagshub-pc-app。這將使您登錄到服務(wù)器，并在Web服務(wù)器上創(chuàng)建一個應(yīng)用程序。

5. 現(xiàn)在創(chuàng)建含有運(yùn)行應(yīng)用程序的命令的Procfile： web: streamlit run --server.port $PORT streamlit_app.py

6. 最后，提交并推送代碼到heroku服務(wù)器git push heroku master。

二、PORT

如果您使用streamlit run app.py運(yùn)行應(yīng)用程序，它將生成錯誤代碼 H10，這意味著Streamlit應(yīng)用程序未使用服務(wù)器分配的$PORT。

您需要：

使用Heroku CLI設(shè)置PORT。

heroku config：set PORT=8080

在Procfile中進(jìn)行更改，并在參數(shù)中添加服務(wù)器端口。

web：streamlit run --server.port $PORT app.py

三、調(diào)整Python軟件包

這部分花了我2天的時間來調(diào)試，因?yàn)镠eroku云有500MB的限制，而新的TensorFlow軟件包是489.6MB。為了避免依賴項(xiàng)和存儲問題，我們需要在requirements.txt文件中進(jìn)行更改：

1. 添加tensorflow-cpu而不是tensorflow，這將我們的slug大小從765MB縮減到400MB。

2. 添加opencv-python-headless而不是opencv-python，以避免安裝外部依賴項(xiàng)。這將解決所有cv2錯誤。

3. 刪除所有不必要的軟件包，numpy、Pillow 和streamlit除外。

四、DVC集成

從DVC服務(wù)器成功提取數(shù)據(jù)需要幾個步驟：

1. 首先，我們允許通過使用Heroku API來安裝 apt-files的buildpack：

heroku buildpacks:add --index 1 heroku-community/apt

2. 創(chuàng)建文件名Aptfile，并添加最新的DVC版本https://github.com/iterative/dvc/releases/download/2.8.3/dvc_2.8.3_amd64.deb

3. 在您的app.py文件中添加額外的代碼行：

import os

if "DYNO" in os.environ and os.path.isdir(".dvc"):

os.system("dvc config core.no_scm true")

if os.system(f"dvc pull") != 0:

exit("dvc pull failed")

os.system("rm -r .dvc .apt/usr/lib/dvc")

之后提交您的代碼，并將其推送到Heroku服務(wù)器。部署成功后，應(yīng)用程序會自動從DVC服務(wù)器拉取數(shù)據(jù)。

五、優(yōu)化存儲

優(yōu)化存儲的方式有多種，最常見的就是使用Docker。通過使用Docker方法，您可以繞過500MB的限制，還可以自由安裝任何第三方集成或軟件包。想進(jìn)一步了解如何使用Docker，請查看本指南。

為了優(yōu)化存儲：

在requiremnets.txt中僅添加模型推理python庫。

我們可以通過使用以下命令從DVC提取選擇性數(shù)據(jù)：

dvc pull {model} {sample_data1} {sample_data2}..

我們只需要一個模型推理文件，因此將其余文件添加到.slugignore，其工作方式與.gitignore類似。想了解更多信息，請查看Slug編譯器(https://devcenter.heroku.com/articles/slug-compiler#ignoring-files-with-slugignore)。

從服務(wù)器成功拉取數(shù)據(jù)后，刪除.dvc目錄和.apt/usr/lib/dvc目錄。

六、結(jié)果

最初的slug大小為850MB，但通過存儲和軟件包優(yōu)化，最終的slug大小縮減到400MB。我們用一個簡單的命令解決了錯誤代碼H10，并添加opencv-python-headless軟件包來解決依賴問題。本文旨在克服初學(xué)者在Heroku服務(wù)器上面臨的一些常見問題。

基于Docker的部署可以解決很多存儲問題，但也帶來了復(fù)雜性和緩慢的部署過程。可以使用heroku container:push web，但在此之前，需要先構(gòu)建Docker并測試它，在本地解決所有問題后才能推送它。這種方法是高級Heroku用戶所青睞的。

下一個挑戰(zhàn)是使用Webhook部署您的Web應(yīng)用程序。這將使我們可以從任何平臺自動化整個機(jī)器學(xué)習(xí)生態(tài)系統(tǒng)。自動化過程將需要創(chuàng)建一臺簡單的Flask Web服務(wù)器，該服務(wù)器將運(yùn)行shell命令。

---

版權(quán)說明： 本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！

---

標(biāo)簽：