分钟Serverless实践 | 构建无服务器图片鉴黄Web应用

在当今的信息化时代，图片鉴黄Web应用已经成为许多企业和个人的必备工具。然而，构建这样的应用通常需要投入大量的时间和资源来维护服务器。为了解决这个问题，本文将介绍一种基于Serverless架构的图片鉴黄Web应用的构建方法，帮助读者在分钟级的时间内完成部署和调试。

一、准备阶段

首先，我们需要准备一些必要的工具和环境，包括：

• 云服务提供商的账号和API密钥（如AWS、Azure等）；
• Serverless框架和相关的命令行工具；
• 图像处理和机器学习库（如OpenCV、TensorFlow等）。
  二、创建Serverless应用

---

接下来，我们需要创建一个新的Serverless应用。在命令行中输入以下命令：

serverless create --template aws-python --name image-censorship-web-app

上述命令将创建一个基于AWS平台的Python Serverless应用。根据需要，你也可以选择其他平台或模板。

三、配置云服务提供商

在Serverless应用中，我们需要配置云服务提供商的相关信息。在本例中，我们使用AWS作为云服务提供商。在serverless.yml文件中，找到provider部分并进行如下配置：

provider:
name: aws
runtime: python3.6
region: ap-southeast-1
api Gateway:
rootResourceName: ${self:service}-${opt:stage, 'dev'}

根据实际情况，你需要修改region和api Gateway部分以匹配你的云服务提供商和项目需求。

四、编写图片鉴黄功能

接下来，我们需要编写图片鉴黄的功能。在functions文件夹下创建一个新的函数，例如imageCensorship.py，并编写以下代码：
```python
import cv2
import boto3
from PIL import Image
import numpy as np
import io
import base64
import os
from flask import Flask, request, jsonify
from tensorflow.keras.models import loadmodel
from tensorflow.keras.preprocessing import image
from tensorflow.keras.applications import imagenetutils
import tensorflow as tf
import numpy as np
import io
from PIL import Image
import base64
import io
from io import BytesIO
import zipfile
import boto3, os
s3 = boto3.client(‘s3’)
app = Flask(__name)
model = load_model(‘model.h5’)
@app.route(‘/censorship’, methods=[‘POST’])
def image_censorship():
data = request.get_json()
file_name = data[‘fileName’]
object_url = data[‘objectUrl’] 1 128# 第一部分：解题思路&问题建模# 解释题目背景和解题思路&问题建模，即介绍自己如何去进行图片的黄色鉴定，具体方法不限于具体算法，主要是自己的实现思路和流程。# 上传图片到S3 bucket & 从S3获取图片 & 将图片转为numpy array & 进行预测 & 根据预测结果决定是否删除该图片 & 将结果返回给用户 & 对结果进行测试 & 根据测试结果进行优化模型 & 对模型进行训练 & 对训练结果进行评估 & 根据评估结果进行优化模型训练等步骤。