%20(2).svg)
项目简介
本项目构建了一个基于Flask和PyTorch的实时MNIST数字识别系统，并借助Docker进行部署。用户能上传图片，系统实时调用预训练的PyTorch模型进行数字识别并返回结果。同时，项目支持内网映射，可通过域名访问服务。
项目的主要特性和功能
- 实时数字识别：利用Flask框架提供简易Web界面，用户上传图片后，系统实时调用PyTorch模型识别数字。
- Docker部署：通过Dockerfile构建Docker镜像，便于在不同环境部署和运行。
- 内网映射：支持使用花生壳等工具进行内网映射，实现服务的域名访问。
安装使用步骤
1. 环境准备
确保已安装Docker，且已下载本项目的源码文件。
2. 构建Docker镜像
进入项目目录，执行以下命令构建Docker镜像：
bash
cd app
docker build -t mnist-detector:v1.0 .
3. 运行Docker容器
构建完成后，运行Docker容器：
bash
docker run -p 3223:5000 -d --name mnist-detector mnist-detector:v1.0
4. 访问服务
打开浏览器，访问http://localhost:3223，上传图片即可进行数字识别。
5. 内网映射（可选）
若需通过域名访问，可使用花生壳等工具进行内网映射，配置如下： - 应用类型选择HTTPS - 外网域名填上自己的域名，端口填3223 - 内网主机IP: 127.0.0.1，端口选择映射后的3223
映射完成后，即可通过域名访问服务。
注意事项
- 构建Docker镜像时，确保Dockerfile中的PyTorch版本与本地环境一致，避免版本不兼容问题。
- 运行Docker容器时，确保端口映射正确，避免访问失败。
- 进行内网映射时，确保花生壳等工具配置正确，避免无法通过域名访问。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】