Esta aplicação Flask foi desenvolvida para receber imagens de dígitos manuscritos, fazer a predição desses dígitos usando um modelo de aprendizado de máquina treinado e retornar os resultados da predição.
- Python
- Flask
- scikit-learn
- HTML
- CSS
- JavaScript
- Python 3.x
- Pacotes Python listados em
requirements.txt
-
Clone este repositório:
git clone https://github.com/seu_usuario/sua_aplicacao.git
-
Navegue até o diretório do projeto:
cd webapp
-
Instale os pacotes Python necessários:
pip install -r requirements.txt
-
Coloque seu modelo treinado (por exemplo, um modelo de regressão logística, SVM, etc.) na pasta
models/
.
-
Configurar o Flask-Migrate: Certifique-se de ter o Flask-Migrate instalado em seu ambiente virtual. Você pode instalá-lo usando o pip:
pip install Flask-Migrate
-
Inicializar o Flask-Migrate: No arquivo principal da sua aplicação Flask (geralmente
app.py
), inicialize o Flask-Migrate passando sua aplicação Flask e o objetodb
como argumentos:from flask import Flask from flask_sqlalchemy import SQLAlchemy from flask_migrate import Migrate app = Flask(__name__) app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///seu_banco_de_dados.db' db = SQLAlchemy(app) migrate = Migrate(app, db)
Certifique-se de importar
Flask
,SQLAlchemy
,Migrate
e quaisquer outros objetos necessários. -
Criar Migrações Iniciais: Após definir seus modelos de banco de dados, você precisa criar uma migração inicial. Navegue até o diretório da sua aplicação e execute o seguinte comando:
flask db init
Isso criará um diretório chamado
migrations
na raiz do seu projeto, onde as migrações de banco de dados serão armazenadas. -
Gerar Migrações: Agora, você pode gerar uma migração inicial para seus modelos de banco de dados. Execute o seguinte comando:
flask db migrate -m "Inicialização da base de dados"
Isso criará um arquivo de migração com os detalhes dos modelos de banco de dados.
-
Aplicar Migrações: Finalmente, você precisa aplicar as migrações ao seu banco de dados. Use o seguinte comando para isso:
flask db upgrade
Isso aplicará todas as migrações pendentes ao banco de dados, criando as tabelas conforme definido nos modelos.
- Ative o ambiente virtual com um desses comandos:
.\venv\Scripts\activate
venv\Scripts\activate
-
Execute o seguinte comando para iniciar o servidor Flask:
python app.py
-
Acesse a aplicação em seu navegador usando o endereço:
http://localhost:5000
-
Na página inicial, você verá um formulário para carregar uma imagem contendo um dígito manuscrito.
-
Selecione uma imagem e envie o formulário.
-
O modelo fará a predição do dígito na imagem e exibirá o resultado na página.
sua_aplicacao/
│
├── app/
│ ├── __init__.py
│ ├── routes.py
│ ├── models/
│ │ └── seu_modelo_treinado.pkl
│ └── ...
│
├── static/
│ ├── css/
│ ├── js/
│ └── ...
│
├── templates/
│ ├── index.html
│ └── ...
│
├── app.py
└── requirements.txt
app/
: Contém o código da aplicação Flask.static/
: Contém arquivos estáticos como CSS, JavaScript, etc.templates/
: Contém os arquivos HTML para renderização das páginas.app.py
: Arquivo principal que inicia o servidor Flask.requirements.txt
: Lista de pacotes Python necessários.