🚀模型训练部署移动云平台全链路流程图（含推理 API 接入）

my_app/
├── app/                    # 网页端应用（Flask/FastAPI 后端）
├── model/                  # 模型训练与推理代码
│   ├── train.py            # 通用训练脚本
│   ├── predict.py          # 推理脚本
│   └── model_utils.py      # 可选：数据处理、模型构建封装
├── data/                   # 本地数据集（可上传至 OBS）
│   └── generate_dummy_data.py
├── test_infer.py           # 本地推理测试脚本
├── requirements.txt        # Python 依赖清单
├── Dockerfile              # 自定义镜像（可选）
└── README.md

zip -r my_app.zip my_app/

FROM pytorch/pytorch:2.0.1-cuda11.7-cudnn8-runtime
COPY requirements.txt .
RUN pip install -r requirements.txt

python model/train.py \
  --data_dir /mnt/data \
  --output_dir /mnt/output \
  --epochs 5 \
  --lr 1e-4

# 省略 import ...
def train(args):
    model = SimpleModel(...).to(device)
    for epoch in range(args.epochs):
        # forward、backward、loss
        ...
    torch.save(model.state_dict(), os.path.join(args.output_dir, "model.pth"))

# 支持命令行参数
if __name__ == "__main__":
    parser = argparse.ArgumentParser()
    parser.add_argument("--data_dir", type=str)
    parser.add_argument("--output_dir", type=str)
    ...
    args = parser.parse_args()
    train(args)

def infer(input_data):
    model = load_model("model.pth")
    input_tensor = torch.tensor(input_data, dtype=torch.float32)
    with torch.no_grad():
        logits = model(input_tensor)
        probs = torch.softmax(logits, dim=1)
        pred = torch.argmax(probs, dim=1)
    return {"prediction": pred.tolist(), "confidence": probs.tolist()}

@app.route("/infer", methods=["POST"])
def run_infer():
    data = request.get_json()
    result = infer(data["input"])
    return jsonify(result)

@app.post("/infer")
async def run_infer(req: InferenceRequest):
    return infer(req.input)

python data/generate_dummy_data.py

python test_infer.py
# 会输出推理结果 + 置信度

torch>=2.0.0
flask
fastapi
uvicorn
numpy