heroku: Sehr einfach zu verwendendes PaaS
Versuchen Sie, die auf AWS EC2 bereitgestellte Deep Learning App für vorherige auf heroku bereitzustellen ..
Da es sich bei EC2 um IaaS handelt, musste Middleware installiert und konfiguriert werden. Mit Heroku von PaaS kann das Gleiche in wenigen Zeilen auf dem Terminal ausgeführt werden.
mac
$ brew install heroku
ubuntu
$ sudo apt-get install software-properties-common # debian only
$ sudo add-apt-repository "deb https://cli-assets.heroku.com/branches/stable/apt ./"
$ curl -L https://cli-assets.heroku.com/apt/release.key | sudo apt-key add -
$ sudo apt-get update
$ sudo apt-get install heroku
$ heroku login
Enter your Heroku credentials:
Email: <your-email>
Password: ********
Logged in as <your-email>
$ mkdir heroku-app
$ cd heroku-app
$ pyenv virtualenv 3.6.0 heroku_keras_3.6.0
$ pyenv local heroku_keras_3.6.0
$ echo .python-version >> .gitignore
$ git init
$ pip install tensorflow keras flask h5py
$ pip install gunicorn # web app. server
$ pip freeze > requirements.txt
$ echo python-3.6.0 > runtime.txt
$ echo web: gunicorn app:app --log-file=- > Procfile
#$ heroku local web
$ heroku create <app-name>
$ heroku buildpacks:set heroku/python
$ git add -A
$ git commit -m "deploy heroku"
$ git push heroku master
$ heroku ps:scale web=1
$ heroku open
App: https://msrks-numpred.herokuapp.com
Recommended Posts