• 手写数字识别
• • 模型应用开发和部署
  • • 模型服务化
    • 直接源代码运行
    • 本地容器化部署
    • 云原生网络部署
    • 更多CubeAI模型服务，参见： 《CubeAI服务原生模型示范库》
  • API接口

手写数字识别

该模型基于卷积神经网络（CNN）实现手写数字识别，使用Keras框架实现，识别正确率为95%左右。

模型应用开发和部署

模型服务化

本模型基于 ServiceBoot微服务引擎 进行服务化封装，参见： 《CubeAI模型开发指南》

直接源代码运行

$ sh pip-install-reqs.sh
$ serviceboot start
或
$ python3 run_model_server.py

本地容器化部署

一键式本地容器化部署和运行，参见： 《CubeAI模型独立部署指南》 或 CubeAI Docker Builder

云原生网络部署

本模型服务可一键发布至 CubeAI智立方平台 进行共享和部署，参见： 《CubeAI模型发布指南》

更多CubeAI模型服务，参见： 《CubeAI服务原生模型示范库》

API接口

• API接口1：

  • API端点： /api/data

  • HTTP方法： POST

  • HTTP请求体：

      {
          "action": "predict"
          "args": {
              "img": <压缩图像的base64编码字符串（或其Data URL表示）>
          }
      }
    

  • HTTP响应体：

      {
          "status": "ok"|"err",
          "value": <手写数字识别结果>|<错误描述>
      }
    

• API接口2：

  • API端点： /api/file/predict

  • HTTP方法： POST

  • HTTP请求体：

      <用于HTTP文件上传的XHR格式请求体>
    

  • HTTP响应体：

      {
          "status": "ok"|"err",
          "value": <手写数字识别结果>|<错误描述>
      }
    

• API接口3：

  • API端点： /api/stream/predict

  • HTTP方法： POST

  • HTTP请求体：

      <压缩图像的二进制字节流>
    

  • HTTP响应体：

      {
          "status": "ok"|"err",
          "value": <手写数字识别结果>|<错误描述>
      }
    

• API接口4：

  • API端点： /api/data

  • HTTP方法： POST

  • HTTP请求体：

      {
          "action": "gen_demo_img"
          "args": {}
      }
    

  • HTTP响应体：

      {
          "status": "ok"|"err",
          "value": <压缩图像的base64编码字符串>|<错误描述>
      }