https://embed.notionlytics.com/wt/ZXlKd1lXZGxTV1FpT2lKbE56ZGxPR1ZtTUdRek9EQTBZVGhpT0RneVpUQmlNMk0xTWpZMk5UQmlPU0lzSW5kdmNtdHpjR0ZqWlZSeVlXTnJaWEpKWkNJNklsZHNTR2hsVEZSUFdXeHpaVmRhUW1ZNU1YQmxJbjA9

步骤

我已经为这个项目设定并满足了以下要求。

1. 该网络应用程序可在互联网上访问。
2. 该应用程序有一个带分页的图像库，仅加载页面的相关数据。
3. 图库和推荐的数据是从数据库中获取的。
4. 推荐是来自可能较大的图像集中的最相似的图像。它们必须立即出现；这意味着相似度计算是离线进行的。
5. 图库是反应式的。
6. Flask 应用程序被适当地打包以供将来扩展/重用。

本文中，我们将展示如何实现所有其他要求，如何在本地使用 SQLite 数据库和 Heroku 上的 PostgreSQL，如何使用它进行分页，如何清理工作并将其部署到 Heroku ，使其通过电脑端或智能手机上的浏览器访问互联网时可用。

实现步骤

• 描述应用程序的功能
• 重新审视图像之间相似度的计算
• 描述应用程序的封装结构
• 介绍了 SQL 模型
• 后端应用逻辑介绍
• 模板介绍
• 解释了 Heroku 部署的所有步骤

应用程序的特点

为了更好地理解实现的目的，让我简要解释一下应用程序的特性。