我有一个Django表单，用于收集用户的回应。我也有一个基于TensorFlow的句子分类模型。这两者如何结合使用的最佳/标准方法是什么？详细信息如下：
- TensorFlow模型是在Rotten Tomatoes的电影评论数据上训练的。
- 每当我的回应模型中添加一行新数据时，我希望TensorFlow代码对其进行分类（正面或负面）。
- 我有一个Django项目目录和两个用于分类的.py文件。在继续之前，我想了解将机器学习算法集成到Web应用程序中的标准方法是什么。
如果您能推荐一个教程或代码仓库，那就太好了。谢谢！
回答：
异步处理
如果您不需要机器学习代码的分类结果立即传递给用户（例如，作为提交同一POST请求的响应），那么您可以将分类任务排队在后台运行，甚至在具有更多CPU/内存资源的不同服务器上运行（例如，使用django-background-tasks或Celery）
排队任务的示例是填充数据库中尚未分类的行的字段UserResponse.class_name（正面，负面）
实时通知
如果机器学习代码运行缓慢，并且希望尽快将结果返回给用户，您可以使用上述异步方法，并结合实时通知（例如，使用socket.io向浏览器发送通知（这可以从排队任务中触发）
如果机器学习执行时间过长，可能会导致同步方法下HTTP请求超时，则此方法成为必要。
同步处理，如果机器学习代码不占用大量CPU（足够快）
如果您需要立即返回分类结果，并且机器学习分类足够快*，您可以在HTTP请求-响应周期内完成（POST请求在机器学习代码完成后同步返回）
*这里的足够快是指不会导致HTTP请求/响应超时，用户也不会失去耐心。
