Prerequisites

为了让接下来的步骤可以顺利进行，我们首先要完成以下的前置作业，但因为每个人的作业系统不同 (当然最好是使用 Linux) 所以这里不额外做说明，请自行进入参考连结并跟着其中的步骤安装即可：

• 建立 Google Cloud 帐号与 Google Cloud Project
  注意这部份是要收费的，但可以使用$300美元的抵免额并免费试用90天 (免费试用期结束後不会自动收费)，已经很够这几天使用了!
• 安装 Google Cloud SDK (後面会用到 gcloud CLI)
• 训练好的模型，我们的 App 会使用影像分类模型 (以 Kaggle 300 Bird Species - Classification 种的几种鸟类作为训练集)
  这部份明天会说明，如果等不及也可以先点进去看看
• 安装 Docker
• 安装 Anaconda (如果不想也没关系!)

⚠️ 再次提醒：使用 Google Cloud 的服务是要收费的，所以记得结束後把这几天的工作删掉!

让 App 在本机端运行

记得昨天我们已经把具体的工作流程列出来了：

上图可以简化成以下三个步骤：

1. 让 App 在本机端运行
2. 部署模型到 AI Platform
3. 部署 app 到 App Engine

所以今天我们首先要让 App 在本机端可以运行。
而正如昨天所说的，这几天的文章会比较偏向料理节目的风格，也就是大部分程序都事先准备好了，所以第一步骤就是到 Github 把 repo 克隆下来开始。
那就让我们开始吧：

1. 克隆 Repo

   git clone https://github.com/eatPizza311/iThome-2021ironman.git
   

2. 进入 build_dataflywheel/ironbird/ 资料夹

   cd iThome-2021ironman/build_dataflywheel/ironbird/
   

3. 建立虚拟环境与处理函式库相依 (Streamlit, TensorFlow, etc)
   如果在前置作业时没有安装 Anaconda 的话，请使用以下指令建立虚拟环境与安装函式库：

   pip install virtualenv
   virtualenv <ENV-NAME>
   source <ENV-NAME>/bin/activate
   pip install -r requirement.txt
   

   如果有 Anaconda 则可以使用以下指令：

   conda env create -f requirement.yml
   conda activate ironbird
   

4. 启动 Streamlit 与执行 app.py

   streamlit run app.py
   

   执行上面的程序码後应该可以看到以下画面：
   
   这个就是我们要做的 App — Ironbird!!
5. 可以试试看上传一张图片 (例如任何一张有鸟的照片)，这里以下图为例：
   
   *翻摄自推特@aerial2009
   6.　图片上传成功应该会看到写着 开始预测! 的按钮出现，按按看吧！
   7.　按下去应该会发现 App 爆炸了，因为它试图跟 Google Cloud Platform (GCP) 索要模型，但可能发生以下其中一种错误：
   • 找不到模型 (错误的 API 呼叫或模型不存在)
   • 因为认证问题而无法使用现有模型，见下图：
     

其实不管哪种错误都是一件好事！
因为至少我们的 App 试图与 GCP 取得联系 (使用 ironbird/app.py 与 ironbird/utils.py 内的函式)。
总之，App 已经确定可以在本机端运作了，明天就让我们把模型部署到 AI Platform 吧。