本文档主要说明定制化图像分类模型发布为本地服务器API（通过API部署包实现）后如何使用。如还未训练模型，请先前往EasyDL进行训练。

如有疑问可以通过以下方式联系我们：

• 在百度智能云控制台内提交工单
• 进入EasyDL社区交流 ,与其他开发者进行互动

部署包使用说明

部署方法

EasyDL定制化图像分类模型的服务器API通过EasyPack实现，目前提供单机一键部署的方式。

在EasyDL申请、下载部署包后，在本地服务器新建目录（建议目录命名规则：easyDL_服务名称_模型版本号）, 将软件包上传至该目录。请参考EasyPack-单机一键部署 使用python2 命令来部署，部署成功后，启动服务，即可调用与在线API功能类似的接口。

运维检查

EasyDL服务器API部署应用健康检查（或故障排查）脚本：trouble_shooting.tar

脚本能力：鉴权服务健康检测、容器状态检查、端口探活、网络联通性测试、容器关键报错日志输出等

使用方法: 将脚本上传至服务器任意目录（或在服务器直接下载），并解压后运行。

# 解压
tar vxf trouble_shooting.tar
# 执行
bash trouble_shooting.sh

授权说明

部署包根据服务器硬件（CPU单机或GPU单卡）进行授权，只能在申请时提交的硬件指纹所属的硬件上使用。

部署包测试期为1个月，如需购买永久授权，可提交工单咨询

性能指标

图像分类模型可部署在CPU或GPU服务器上，单实例具体性能指标参见算法性能及适配硬件

API参考

请求说明

请求示例

HTTP 方法：POST

请求URL： 请首先在EasyDL进行自定义模型训练，完成训练后申请部署包，部署成功后拼接url。

请求URL： http://{IP}:{PORT}/{DEPLOY_NAME}/ImageClassification IP：服务部署所在机器的ip地址 PORT：服务部署后获取的端口 DEPLOY_NAME：申请时填写的服务名称

Header如下：

注意：如果出现336001的错误码很可能是因为请求方式错误，与其他图像识别服务不同的是定制化图像识别服务以json方式请求。

Body请求示例：

{
    "image": "<base64数据>",
    "top_num": 5
}

Body中放置请求参数，参数详情如下：

请求参数

返回说明

返回参数

错误码

若请求错误，服务器将返回的JSON文本包含以下参数：

• error_code：错误码。
• error_msg：错误描述信息，帮助理解和解决发生的错误。

例如缺少必要出入参时返回：

{
  "error_code": 336001,
  "error_msg": "Invalid Argument"
}

模型更新/回滚操作说明

模型更新

1、在EasyDL-纯离线服务发布页面，找到您的服务器API发布记录，点击【更新版本】，选择「更新包」或「完整包」来发布。

两者区别：

2、（CPU模型可忽略）如果您训练的模型为GPU版本，系统会生成多份下载链接。请在GPU服务器执行 nvidia-smi命令，根据返回的Cuda Version来选择对应的部署包链接下载。

3、在服务器新建目录（建议标记对应模型的版本号，便于区分不同模型版本），如easydl_${DEPLOY_NAME}_v2

${DEPLOY_NAME} :申请时填写的服务名称

以如下场景举例说明：模型版本从V1升级至V2

##### 1.新模型准备
# 创建指定版本的目录
mkdir easedl_${DEPLOY_NAME}_v2
cd easedl_${DEPLOY_NAME}_v2
# 将部署包上传至服务器该目录并解压
tar zvxf xx.tar.gz
# 解压后，进入指定目录执行download脚本下载模型所依赖文件
cd original && bash download.sh 

##### 2.旧模型备份
# 历史模型备份
cp -r /home/baidu/work/${DEPLOY_NAME}  /home/baidu/work/${DEPLOY_NAME}_V1
# 记录当前模型的端口号
docker ps -a |grep ${DEPLOY_NAME} 

##### 3.模型升级
cd package/Install
# 卸载当前已安装的旧的easyDL服务：${DEPLOY_NAME} ,前面已备份
python2 install.py remove ${DEPLOY_NAME} 
# 安装当前部署包内新的EasyDL服务：${DEPLOY_NAME} 
python2 install.py install ${DEPLOY_NAME} 

# (可选操作) 更新证书
python2 install.py lu

模型回滚

以如下场景举例说明：模型版本从V2回滚至V1

方法一：

## 重命名当前v2模型目录名称
mv /home/baidu/work/${DEPLOY_NAME}  /home/baidu/work/${DEPLOY_NAME}_V2
# 使用V1版本
cp -r /home/baidu/work/${DEPLOY_NAME}_V1 /home/baidu/work/${DEPLOY_NAME}

# 停止当前模型容器
docker ps -a |grep ${DEPLOY_NAME}
docker rm -f ${容器名}

# 创建新的容器
cd /home/baidu/work/${DEPLOY_NAME} && bash start/start-1.sh 

# （可选操作）进入V1版本部署包所在目录执行license更新操作，假如部署包在/opt目录下,以您实际目录为准
cd /opt/easydl_${DEPLOY_NAME}_V1/original/package/Install && python2 install.py lu 

方法二：

进入模型V1所在目录，参考上述【模型更新】步骤，执行模型升级操作（即先卸载v2，后升级为v1）