Prerequisites

為了讓接下來的步驟可以順利進行，我們首先要完成以下的前置作業，但因為每個人的作業系統不同 (當然最好是使用 Linux) 所以這裡不額外做說明，請自行進入參考連結並跟著其中的步驟安裝即可：

• 建立 Google Cloud 帳號與 Google Cloud Project
  注意這部份是要收費的，但可以使用$300美元的抵免額並免費試用90天 (免費試用期結束後不會自動收費)，已經很夠這幾天使用了!
• 安裝 Google Cloud SDK (後面會用到 gcloud CLI)
• 訓練好的模型，我們的 App 會使用影像分類模型 (以 Kaggle 300 Bird Species - Classification 種的幾種鳥類作為訓練集)
  這部份明天會說明，如果等不及也可以先點進去看看
• 安裝 Docker
• 安裝 Anaconda (如果不想也沒關係!)

⚠️ 再次提醒：使用 Google Cloud 的服務是要收費的，所以記得結束後把這幾天的工作刪掉!

讓 App 在本機端運行

記得昨天我們已經把具體的工作流程列出來了：

上圖可以簡化成以下三個步驟：

1. 讓 App 在本機端運行
2. 部署模型到 AI Platform
3. 部署 app 到 App Engine

所以今天我們首先要讓 App 在本機端可以運行。
而正如昨天所說的，這幾天的文章會比較偏向料理節目的風格，也就是大部分程式都事先準備好了，所以第一步驟就是到 Github 把 repo 克隆下來開始。
那就讓我們開始吧：

1. 克隆 Repo

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

2. 進入 build_dataflywheel/ironbird/ 資料夾

   cd iThome-2021ironman/build_dataflywheel/ironbird/
   

3. 建立虛擬環境與處理函式庫相依 (Streamlit, TensorFlow, etc)
   如果在前置作業時沒有安裝 Anaconda 的話，請使用以下指令建立虛擬環境與安裝函式庫：

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

   如果有 Anaconda 則可以使用以下指令：

   conda env create -f requirement.yml
   conda activate ironbird
   

4. 啟動 Streamlit 與執行 app.py

   streamlit run app.py
   

   執行上面的程式碼後應該可以看到以下畫面：
   
   這個就是我們要做的 App — Ironbird!!
5. 可以試試看上傳一張圖片 (例如任何一張有鳥的照片)，這裡以下圖為例：
   
   *翻攝自推特@aerial2009
   6.　圖片上傳成功應該會看到寫著 開始預測! 的按鈕出現，按按看吧！
   7.　按下去應該會發現 App 爆炸了，因為它試圖跟 Google Cloud Platform (GCP) 索要模型，但可能發生以下其中一種錯誤：
   • 找不到模型 (錯誤的 API 呼叫或模型不存在)
   • 因為認證問題而無法使用現有模型，見下圖：
     

其實不管哪種錯誤都是一件好事！
因為至少我們的 App 試圖與 GCP 取得聯繫 (使用 ironbird/app.py 與 ironbird/utils.py 內的函式)。
總之，App 已經確定可以在本機端運作了，明天就讓我們把模型部署到 AI Platform 吧。