自学了一下shinyapp，将R代码可视化放到Web上，比较方便使用。在Rstudio中，可以很方便的用界面右上角的Publish按钮deploy写的软件至shinyapp.io。
当时参考的经验：
官方说明
「R shiny基础」使用shinyapp分享你的Shiny应用
如何使用ShinyApps部署Shiny应用?

但是，我用这种方法，在Windows系统下，不知何故，总是报错称缺少某个包。

为此我查询了许多经验贴，部分如下：

https://stackoverflow.com/questions/52809151/something-wrong-with-filedependencies-rfile-when-deploying-shinydashboard
https://d.cosx.org/d/421965-shinyappsggplot2 https://stackoverflow.com/questions/48330668/error-in-shiny-deployment-on-shinyapps-io

https://github.com/rstudio/rsconnect/issues/123](https://github.com/rstudio/rsconnect/issues/123

（请原谅我，一定还有被遗漏的贴子，找到再补上）
得到启发后，经过摸索，得到一套方案：
 如我在DP文件夹里有一个app.R，那么这个项目应该就叫DP,
 
D:/RData/DP/app.R
经过成功或失败的deploying后，DP文件夹里会有一个文件夹：rsconnect
 
每次deploying前，先删除rsconnect文件夹
将包的引用方式由library()改为require()，如：
 
 
注：这一步很可能是多余的，我不知道它是否起到作用，还是记录下来吧。
 
require(shiny)
require(ggplot2)
require(ggprism)
require(dplyr)
require(svglite)
最后运行代码手动deploying：
 
library(rsconnect)
options(encoding = "UTF-8")
rsconnect::deployApp('D:/RData/DP')
【解决方案】
1.使用命令单独安装caret，安装的时间很长。
install.packages(“caret”, dependencies = c(“Depends”, “Suggests”))
需要安装依赖的包全部安装之后，就可以了。依赖包如下：
dependencies ‘doMC’, ‘rpvm’, ‘Rcompression’, ‘RMySQL’...
                                    本节展示了如何分享和部署Shiny APP。您可以将开发好的Shiny APP部署在自己的服务器上，或是将其部署在公共的平台（即shinyapps.io）上。这里仅分享后者。对于如何将Shiny APP部署到自己的服务器中，将在未来进行补充。
部署至shinyapps.io平台
Step1: 在shinyapps.io官网上注册账号。您会被要求填写用户名。
Step2: 重新打开shinyapps.io官网，单击右上角Dashboard按钮（图1）。进入Dashboard界面（图2）后，单击左侧
在RStudio中install.packages(shiny)报错：载入了名字空间‘rlang’ 0.4.8，但需要的是>= 0.4.10
解决的方法
第一步，打开安装的包所在的文件夹（如果不知道的话，可以运行下面的代码显示安装包所在的位置），将shiny文件夹删除。
.libPaths()
第二步，关掉RStudio。
第三步，打开R，安装shiny包。
（是的，你没听错，不是R的问题，是RStudio的问题）
（我直接运行install.packages(shiny）也没有成功，但
                                    假设你的App脚本已经写好了（里面至少包含Server.R和ui.R）一，Windows下通过cmd执行App只需两个步骤： 
1. 在系统变量Path中添加：E:\你的R安装路径\bin 
2. 运行cmd，执行：R -e “shiny::runApp(‘C:\Windows下你的App路径\你的App名称’)”这个时候呢，cmd会提示里进入到一个网站：127.0.0.1:XXXX，在浏览器点进去
Simplest Way to Serve Your Machine Learning Model
	Pinferencia: Python + Inference
	Pinferencia
先看看这些痛点你有没有吧，有的话可以继续往下看
阅读这篇文章时，您可能已经知道或尝试过 torchserve、triton、seldon core、tf serving 甚至 kserve。 他们是很好的产品。 但是，如果您使用的不是非常简单的模型，或者您编写了许多代码，而模型只是其中的一部分，这个时候
                                    谈谈机器学习模型的部署：https://www.jianshu.com/p/ad2bfc08b9e2
随着机器学习的广泛应用，如何高效的把训练好的机器学习的模型部署到生产环境，正在被越来越多的工具所支持。我们今天就来看一看不同的工具是如何解决这个问题的。
上图的过程是一个数据科学项目所要经历的典型的过程。从数据采集开始，经历数据分析，数据变形，数据验证，数据拆分，训练，模型创建，模型验证，大规模训练，模型发布，到提供服务，监控和日志。诸多的机器学习工具如Scikt-Learn、Spark、Tensorfl
                                    主要思路：模型保存之后，通过Flask（轻量级web开发框架，让我们可以使用Python语言快速实现一个网站或Web服务）加载该模型，然后App调用该web界面。通过以上两个.py和一个.html即可将模型通过Flask加载到Web界面。这篇主要是记录将训练的SVM模型通过Flask加载到Web。
                                    在编写好一个Shiny应用之后，如何让其他人也能使用呢？有两种比较常见的方法：
提供源代码：将代码通过邮件，网盘或者GitHub的形式进行分享，适合一些比较小型的应用，同时对使用者也有要求。
网页工具：这是最最常见也是最友好的分享方式，毕竟大部分只想要鸡蛋，不需要知道鸡下蛋的过程，所以将的你应用作为网页进行分享，大家只要点点点就行了。
这部分教程也讲解如何将你写的Shiny部署...
                                    文章目录1. 下载安装shiny-server2. shiny-server的服务器配置3. shiny-server的常规管理操作4. 报错收集报错1 可以登陆了，但是出现闪退： Shiny app - “Disconnected from the server. Reload.”报错2 Error in loadNamespace(name) : there is no package cal...
                                    我在运行是python调用R包出现以下问题：不存在叫'mclust'这个名字的程辑包。我将依赖包全部安装了。install.packages("caret", dependencies = c("Depends", "Suggests"))
shiny 发布部署  一共 3步
去 https://www.shinyapps.io/  用github 注册登录
进入  https://www.shinyapps.io/admin/#/dashboard 个人主页面
查看token
一般这里的secret ，每一个人不同的，secret 就是密钥
rsconnect::setAccountInfo(name='t3f2lm-runsen',
                                    Shinyapps.io is a platform as a service (PaaS) for hosting Shiny web apps (applications). This guide will show you how to create a shinyapps.io account and deploy your first application to the cloud.B