### Django 人工智能项目完整代码示例 以下是一个完整的 Django 人工智能项目的代码示例，结合了 Django 框架与机器学习模型的部署。此项目展示了如何通过 Django 提供一个简单的 REST API 接口，用于接收用户输入并返回预测结果。 #### 1. 创建 Django 项目和应用 首先创建一个新的 Django 项目和应用： ```bash django-admin startproject ai_project cd ai_project python manage.py startapp ai_app ``` #### 2. 安装必要的依赖 安装 Scikit-learn 和其他所需的库： ```bash pip install scikit-learn django djangorestframework ``` 在 `settings.py` 中添加应用和 REST Framework 配置： ```python INSTALLED_APPS = [ # ... "ai_app", "rest_framework", ] ``` #### 3. 训练并保存机器学习模型 训练一个简单的机器学习模型（例如线性回归），并将模型保存为文件。以下是模型训练的代码示例： ```python from sklearn.linear_model import LinearRegression from sklearn.datasets import make_regression import joblib # 生成虚拟数据集 X, y = make_regression(n_samples=100, n_features=1, noise=0.1) # 训练模型 model = LinearRegression() model.fit(X, y) # 保存模型 joblib.dump(model, "linear_model.joblib") ``` 将生成的 `linear_model.joblib` 文件放入 `ai_app/models/` 目录下。 #### 4. 创建 Django 模型和序列化器 在 `ai_app/serializers.py` 中定义序列化器： ```python from rest_framework import serializers class PredictionSerializer(serializers.Serializer): feature = serializers.FloatField() ``` #### 5. 创建视图 在 `ai_app/views.py` 中定义视图逻辑： ```python from rest_framework.views import APIView from rest_framework.response import Response from rest_framework import status from .serializers import PredictionSerializer import joblib import numpy as np class PredictionView(APIView): def post(self, request, format=None): serializer = PredictionSerializer(data=request.data) if serializer.is_valid(): # 加载模型 model = joblib.load("models/linear_model.joblib") # 获取特征值并进行预测 feature = np.array([[serializer.validated_data["feature"]]]) prediction = model.predict(feature)[0] return Response({"prediction": prediction}, status=status.HTTP_200_OK) return Response(serializer.errors, status=status.HTTP_400_BAD_REQUEST) ``` #### 6. 配置 URL 路由 在 `ai_app/urls.py` 中配置路由： ```python from django.urls import path from .views import PredictionView urlpatterns = [ path("predict/", PredictionView.as_view(), name="predict"), ] ``` 在主项目的 `urls.py` 中包含应用的路由： ```python from django.contrib import admin from django.urls import path, include urlpatterns = [ path("admin/", admin.site.urls), path("api/", include("ai_app.urls")), ] ``` #### 7. 运行服务器 启动 Django 开发服务器以测试 API： ```bash python manage.py runserver ``` #### 8. 测试 API 使用 Postman 或 curl 测试 API： ```bash curl -X POST http://127.0.0.1:8000/api/predict/ -H "Content-Type: application/json" -d '{"feature": 5}' ``` 返回结果示例： ```json { "prediction": 10.5 } ``` --- ### 注意事项 确保模型文件路径正确，并根据实际需求调整模型训练过程和数据预处理步骤[^1]。此外，可以进一步优化查询性能，例如通过索引加速数据库访问[^3]。 ---