Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Visualisez les résultats AI/ML du modèle à l'aide de Flask et d'AWS Elastic Beanstalk
*Chris Caudill et Durga Sury, Amazon Web Services*
## Résumé
La visualisation des résultats des services d'intelligence artificielle et d'apprentissage automatique (AI/ML) nécessite souvent des appels d'API complexes qui doivent être personnalisés par vos développeurs et ingénieurs. Cela peut s'avérer un inconvénient si vos analystes souhaitent explorer rapidement un nouveau jeu de données.
Vous pouvez améliorer l'accessibilité de vos services et proposer une forme d'analyse de données plus interactive en utilisant une interface utilisateur (UI) Web qui permet aux utilisateurs de télécharger leurs propres données et de visualiser les résultats du modèle dans un tableau de bord.
Ce modèle utilise [Flask](https://flask.palletsprojects.com/en/2.0.x/) et [Plotly](https://plotly.com/) pour intégrer Amazon Comprehend à une application Web personnalisée et visualiser les sentiments et les entités à partir des données fournies par les utilisateurs. Le modèle indique également les étapes à suivre pour déployer une application à l'aide d'AWS Elastic Beanstalk. Vous pouvez adapter l'application en utilisant les services d'[intelligence artificielle d'Amazon Web Services (AWS)](https://aws.amazon.com/machine-learning/ai-services/) ou avec un modèle entraîné personnalisé hébergé sur un point de terminaison (par exemple, un point de [ SageMaker terminaison Amazon](https://docs.aws.amazon.com/sagemaker/latest/dg/deploy-model.html)).
## Conditions préalables et limitations
**Conditions préalables**
+ Un compte AWS actif.
+ Interface de ligne de commande AWS (AWS CLI), installée et configurée sur votre machine locale. Pour plus d'informations à ce sujet, consultez la section [Principes de base de la configuration](https://docs.aws.amazon.com/cli/latest/userguide/cli-configure-quickstart.html) dans la documentation de l'AWS CLI. Vous pouvez également utiliser un environnement de développement intégré (IDE) AWS Cloud9 ; pour plus d'informations à ce sujet, consultez le [didacticiel Python pour AWS Cloud9](https://docs.aws.amazon.com/cloud9/latest/user-guide/sample-python.html) [et la prévisualisation des applications en cours d'exécution dans l'IDE AWS Cloud9 dans la documentation AWS](https://docs.aws.amazon.com/cloud9/latest/user-guide/app-preview.html) Cloud9.
**Remarque** : n' AWS Cloud9 est plus disponible pour les nouveaux clients. Les clients existants de AWS Cloud9 peuvent continuer à utiliser le service normalement. [En savoir plus](https://aws.amazon.com/blogs/devops/how-to-migrate-from-aws-cloud9-to-aws-ide-toolkits-or-aws-cloudshell/)
+ Compréhension du framework d'applications Web de Flask. Pour plus d'informations sur Flask, consultez le [Quickstart](https://flask.palletsprojects.com/en/1.1.x/quickstart) dans la documentation de Flask.
+ Python version 3.6 ou ultérieure, installé et configuré. Vous pouvez installer Python en suivant les instructions de la section [Configuration de votre environnement de développement Python](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/python-development-environment.html) dans la documentation AWS Elastic Beanstalk.
+ Interface de ligne de commande Elastic Beanstalk (EB CLI), installée et configurée. Pour plus d'informations à ce sujet, consultez [Installer l'interface de ligne de commande EB et configurer l'interface](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/eb-cli3-install.html) [de ligne de commande EB](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/eb-cli3-configuration.html) dans la documentation AWS Elastic Beanstalk.
**Limites**
+ L'application Flask de ce modèle est conçue pour fonctionner avec des fichiers .csv qui utilisent une seule colonne de texte et sont limités à 200 lignes. Le code de l'application peut être adapté pour gérer d'autres types de fichiers et volumes de données.
+ L'application ne prend pas en compte la conservation des données et continue d'agréger les fichiers utilisateur téléchargés jusqu'à ce qu'ils soient supprimés manuellement. Vous pouvez intégrer l'application à Amazon Simple Storage Service (Amazon S3) pour le stockage d'objets persistants ou utiliser une base de données telle qu'Amazon DynamoDB pour le stockage clé-valeur sans serveur.
+ L'application ne prend en compte que les documents en anglais. Cependant, vous pouvez utiliser Amazon Comprehend pour détecter la langue principale d'un document. Pour plus d'informations sur les langues prises en charge pour chaque action, consultez la [référence des API](https://docs.aws.amazon.com/comprehend/latest/dg/API_Reference.html) dans la documentation Amazon Comprehend.
+ Une liste de résolution des problèmes contenant les erreurs courantes et leurs solutions est disponible dans la section *Informations supplémentaires*.
## Architecture
**Architecture d'application Flask**
Flask est un framework léger pour développer des applications Web en Python. Il est conçu pour combiner le puissant traitement des données de Python avec une interface utilisateur Web riche. L'application Flask du modèle vous montre comment créer une application Web qui permet aux utilisateurs de télécharger des données, d'envoyer les données à Amazon Comprehend pour inférence, puis de visualiser les résultats. La structure de l'application est la suivante :
+ `static`— Contient tous les fichiers statiques compatibles avec l'interface utilisateur Web (par exemple JavaScript, le CSS et les images)
+ `templates`— Contient toutes les pages HTML de l'application
+ `userData`— Stocke les données utilisateur téléchargées
+ `application.py`— Le fichier d'application Flask
+ `comprehend_helper.py`— Fonctions permettant de passer des appels d'API à Amazon Comprehend
+ `config.py`— Le fichier de configuration de l'application
+ `requirements.txt`— Les dépendances Python requises par l'application
Le `application.py` script contient les fonctionnalités de base de l'application Web, qui se composent de quatre routes Flask. Le schéma suivant montre ces itinéraires Flask.
![\[Les quatre routes Flask qui constituent les fonctionnalités de base de l'application Web.\]](http://docs.aws.amazon.com/fr_fr/prescriptive-guidance/latest/patterns/images/pattern-img/03d80cf1-ec97-43f7-adb5-2746a9ec70e6/images/9ca6bad1-26e2-4262-98d0-d54c172336bf.png)
+ `/`est la racine de l'application et dirige les utilisateurs vers la `upload.html` page (stockée dans le `templates` répertoire).
+ `/saveFile`est une route qui est invoquée après qu'un utilisateur télécharge un fichier. Cette route reçoit une `POST` demande via un formulaire HTML, qui contient le fichier téléchargé par l'utilisateur. Le fichier est enregistré dans le `userData` répertoire et l'itinéraire redirige les utilisateurs vers l'`/dashboard`itinéraire.
+ `/dashboard`renvoie les utilisateurs vers la `dashboard.html` page. Dans le code HTML de cette page, il exécute le JavaScript code `static/js/core.js` qui lit les données de l'`/data`itinéraire, puis crée des visualisations pour la page.
+ `/data`est une API JSON qui présente les données à visualiser dans le tableau de bord. Cet itinéraire lit les données fournies par l'utilisateur et utilise les fonctions incluses `comprehend_helper.py` pour envoyer les données utilisateur à Amazon Comprehend à des fins d'analyse des sentiments et de reconnaissance d'entités nommées (NER). La réponse d'Amazon Comprehend est formatée et renvoyée sous forme d'objet JSON.
**Architecture de déploiement**
![\[Schéma d'architecture permettant d'utiliser Flask et Elastic AI/ML Beanstalk pour visualiser les résultats du modèle.\]](http://docs.aws.amazon.com/fr_fr/prescriptive-guidance/latest/patterns/images/pattern-img/03d80cf1-ec97-43f7-adb5-2746a9ec70e6/images/d691bfd2-e2ec-4830-8bff-ffa1e3a95c4a.png)
[Considérations relatives à la conception](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/concepts.concepts.design.html)
Pour plus d'informations sur les considérations relatives à la conception des applications déployées à l'aide d'Elastic Beanstalk sur le cloud AWS, consultez la documentation d'AWS Elastic Beanstalk.
**Pile technologique**
+ Amazon Comprehend
+ Elastic Beanstalk
+ Flask
**Automatisation et mise à l'échelle**
Les déploiements d'Elastic Beanstalk sont automatiquement configurés à l'aide d'équilibreurs de charge et de groupes de dimensionnement automatique. Pour plus d'options de configuration, consultez la [section Configuration des environnements Elastic Beanstalk dans la documentation d'AWS Elastic](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/customize-containers.html) Beanstalk.
## Outils
+ [L'interface de ligne de commande AWS (AWS CLI)](https://docs.aws.amazon.com/cli/latest/userguide/cli-chap-welcome.html) est un outil unifié qui fournit une interface cohérente pour interagir avec toutes les parties d'AWS.
+ [Amazon Comprehend](https://docs.aws.amazon.com/comprehend/latest/dg/comprehend-general.html) utilise le traitement du langage naturel (NLP) pour extraire des informations sur le contenu des documents sans nécessiter de prétraitement spécial.
+ [AWS Elastic Beanstalk](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/Welcome.html) vous permet de déployer et de gérer rapidement des applications dans le cloud AWS sans avoir à vous renseigner sur l'infrastructure qui exécute ces applications.
+ [Elastic Beanstalk CLI (EB CLI](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/eb-cli3.html)) est une interface de ligne de commande pour AWS Elastic Beanstalk qui fournit des commandes interactives pour simplifier la création, la mise à jour et la surveillance d'environnements à partir d'un référentiel local.
+ Le framework [Flask](https://flask.palletsprojects.com/en/2.0.x/) effectue le traitement des données et les appels d'API à l'aide de Python et propose une visualisation Web interactive avec Plotly.
**Code**
Le code de ce modèle est disponible dans les [résultats du AI/ML modèle GitHub Visualize à l'aide de Flask et du référentiel AWS Elastic Beanstalk](https://github.com/aws-samples/aws-comprehend-elasticbeanstalk-for-flask).
## Épopées
### Configurer l'application Flask
| Sous-tâche | Description | Compétences requises |
| --- | --- | --- |
| Clonez le GitHub dépôt. | Extrayez le code de l'application à partir des [résultats du AI/ML modèle GitHub Visualize à l'aide de Flask et du référentiel AWS Elastic Beanstalk](https://github.com/aws-samples/aws-comprehend-elasticbeanstalk-for-flask) en exécutant la commande suivante :`git clone git@github.com:aws-samples/aws-comprehend-elasticbeanstalk-for-flask.git`Assurez-vous de configurer vos clés SSH avec GitHub. | Developer |
| Installez les modules Python. | Une fois le dépôt cloné, un nouveau `aws-comprehend-elasticbeanstalk-for-flask` répertoire local est créé. Dans ce répertoire, le `requirements.txt` fichier contient les modules Python et les versions qui exécutent l'application. Utilisez les commandes suivantes pour installer les modules :`cd aws-comprehend-elasticbeanstalk-for-flask``pip install -r requirements.txt` | Développeur Python |
| Testez l'application localement. | Démarrez le serveur Flask en exécutant la commande suivante :`python application.py`Cela renvoie des informations sur le serveur en cours d'exécution. Vous devriez pouvoir accéder à l'application en ouvrant un navigateur et en vous rendant sur http://localhost:5000Si vous exécutez l'application dans un IDE AWS Cloud9, vous devez remplacer la `application.run()` commande du `application.py` fichier par la ligne suivante :`application.run(host=os.getenv('IP', '0.0.0.0'),port=int(os.getenv('PORT', 8080)))`Vous devez annuler cette modification avant le déploiement. | Développeur Python |
### Déployez l'application sur Elastic Beanstalk
| Sous-tâche | Description | Compétences requises |
| --- | --- | --- |
| Lancez l'application Elastic Beanstalk. | Pour lancer votre projet en tant qu'application Elastic Beanstalk, exécutez la commande suivante depuis le répertoire racine de votre application :`eb init -p python-3.6 comprehend_flask --region us-east-1`[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/prescriptive-guidance/latest/patterns/visualize-ai-ml-model-results-using-flask-and-aws-elastic-beanstalk.html)Exécutez la `eb init -i` commande pour obtenir d'autres options de configuration de déploiement. | Architecte, développeur |
| Déployez l'environnement Elastic Beanstalk. | Exécutez la commande suivante depuis le répertoire racine de l'application :`eb create comprehend-flask-env``comprehend-flask-env`est le nom de l'environnement Elastic Beanstalk et peut être modifié selon vos besoins. Le nom ne peut contenir que des lettres, des chiffres et des tirets. | Architecte, développeur |
| Autorisez votre déploiement à utiliser Amazon Comprehend. | Bien que votre application soit déployée avec succès, vous devez également fournir à votre déploiement un accès à Amazon Comprehend. `ComprehendFullAccess`est une politique gérée par AWS qui fournit à l'application déployée les autorisations nécessaires pour effectuer des appels d'API à Amazon Comprehend.Attachez la `ComprehendFullAccess` politique à `aws-elasticbeanstalk-ec2-role` (ce rôle est automatiquement créé pour les instances Amazon Elastic Compute Cloud (Amazon EC2) de votre déploiement) en exécutant la commande suivante :`aws iam attach-role-policy --policy-arn arn:aws:iam::aws:policy/ComprehendFullAccess --role-name aws-elasticbeanstalk-ec2-role``aws-elasticbeanstalk-ec2-role`est créé lors du déploiement de votre application. Vous devez terminer le processus de déploiement avant de pouvoir joindre la politique AWS Identity and Access Management (IAM). | Développeur, architecte de sécurité |
| Accédez à l'application que vous avez déployée. | Une fois votre application déployée avec succès, vous pouvez la visiter en exécutant la `eb open` commande.Vous pouvez également exécuter la `eb status` commande pour recevoir des informations sur votre déploiement. L'URL de déploiement est répertoriée ci-dessous`CNAME`. | Architecte, développeur |
### (Facultatif) Personnalisez l'application en fonction de votre modèle ML
| Sous-tâche | Description | Compétences requises |
| --- | --- | --- |
| Autorisez Elastic Beanstalk à accéder au nouveau modèle. | Assurez-vous qu'Elastic Beanstalk dispose des autorisations d'accès requises pour votre nouveau modèle de point de terminaison. Par exemple, si vous utilisez un point de SageMaker terminaison Amazon, votre déploiement doit être autorisé à appeler le point de terminaison. Pour plus d'informations à ce sujet, consultez [InvokeEndpoint](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_runtime_InvokeEndpoint.html)la SageMaker documentation Amazon. | Développeur, architecte de sécurité |
| Envoyez les données utilisateur vers un nouveau modèle. | Pour modifier le modèle de machine learning sous-jacent dans cette application, vous devez modifier les fichiers suivants :[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/prescriptive-guidance/latest/patterns/visualize-ai-ml-model-results-using-flask-and-aws-elastic-beanstalk.html) | Scientifique des données |
| Mettez à jour les visualisations du tableau de bord. | Généralement, l'incorporation d'un nouveau modèle de machine learning signifie que les visualisations doivent être mises à jour pour refléter les nouveaux résultats. Ces modifications sont apportées dans les fichiers suivants :[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/fr_fr/prescriptive-guidance/latest/patterns/visualize-ai-ml-model-results-using-flask-and-aws-elastic-beanstalk.html) | Développeur Web |
### (Facultatif) Déployez l'application mise à jour
| Sous-tâche | Description | Compétences requises |
| --- | --- | --- |
| Mettez à jour le fichier d'exigences de votre application. | Avant d'envoyer des modifications à Elastic Beanstalk, `requirements.txt` mettez à jour le fichier pour qu'il reflète les nouveaux modules Python en exécutant la commande suivante dans le répertoire racine de votre application :`pip freeze > requirements.txt` | Développeur Python |
| Redéployez l'environnement Elastic Beanstalk. | Pour vous assurer que les modifications apportées à votre application sont reflétées dans votre déploiement d'Elastic Beanstalk, accédez au répertoire racine de votre application et exécutez la commande suivante :`eb deploy`Cela envoie la version la plus récente du code de l'application à votre déploiement Elastic Beanstalk existant. | Administrateur système, architecte |
## Ressources connexes
+ [Appelez un point de terminaison SageMaker modèle Amazon à l'aide d'Amazon API Gateway et d'AWS Lambda](https://aws.amazon.com/blogs/machine-learning/call-an-amazon-sagemaker-model-endpoint-using-amazon-api-gateway-and-aws-lambda/)
+ [Déploiement d'une application Flask sur Elastic Beanstalk](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/create-deploy-python-flask.html)
+ [Référence de commande EB CLI](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/eb3-cmd-commands.html)
+ [Configuration de votre environnement de développement Python](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/python-development-environment.html)
## Informations supplémentaires
**Liste de résolution des problèmes**
Voici six erreurs courantes et leurs solutions.
***Erreur 1***
```
Unable to assume role "arn:aws:iam::xxxxxxxxxx:role/aws-elasticbeanstalk-ec2-role". Verify that the role exists and is configured correctly.
```
**Solution** : Si cette erreur se produit lors de l'exécution`eb create`, créez un exemple d'application sur la console Elastic Beanstalk pour créer le profil d'instance par défaut. Pour plus d'informations à ce sujet, consultez la section [Création d'un environnement Elastic Beanstalk dans la documentation d'AWS Elastic](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/using-features.environments.html) Beanstalk.
***Erreur 2***
```
Your WSGIPath refers to a file that does not exist.
```
**Solution :** Cette erreur se produit dans les journaux de déploiement car Elastic Beanstalk s'attend à ce que le code Flask soit nommé. `application.py` Si vous avez choisi un autre nom, exécutez-le `eb config` et WSGIPath modifiez-le comme indiqué dans l'exemple de code suivant :
```
aws:elasticbeanstalk:container:python:
NumProcesses: '1'
NumThreads: '15'
StaticFiles: /static/=static/
WSGIPath: application.py
```
Assurez-vous de le remplacer `application.py` par le nom de votre fichier.
Vous pouvez également utiliser Gunicorn et un Procfile. Pour plus d'informations sur cette approche, consultez [la section Configuration du serveur WSGI avec un Procfile](https://docs.aws.amazon.com/elasticbeanstalk/latest/dg/python-configuration-procfile.html) dans la documentation AWS Elastic Beanstalk.
***Erreur 3***
```
Target WSGI script '/opt/python/current/app/application.py' does not contain WSGI application 'application'.
```
**Solution :** Elastic Beanstalk s'attend à ce que la variable représentant votre application Flask soit nommée. `application` Assurez-vous que le `application.py` fichier utilise `application` comme nom de variable :
```
application = Flask(__name__)
```
***Erreur 4***
```
The EB CLI cannot find your SSH key file for keyname
```
**Solution :** utilisez l'interface de ligne de commande EB pour spécifier la paire de clés à utiliser ou pour créer une paire de clés pour les instances EC2 de votre déploiement. Pour résoudre l'erreur, lancez `eb init -i` et l'une des options vous demandera :
```
Do you want to set up SSH for your instances?
```
Répondez par `Y` pour créer une paire de clés ou pour spécifier une paire de clés existante.
***Erreur 5***
*J'ai mis à jour mon code et je l'ai redéployé, mais mon déploiement ne reflète pas mes modifications.*
**Solution** : Si vous utilisez un dépôt Git pour votre déploiement, assurez-vous d'ajouter et de valider vos modifications avant de redéployer.
***Erreur 6***
*Vous êtes en train de prévisualiser l'application Flask à partir d'un IDE AWS Cloud9 et vous rencontrez des erreurs.*
**Solution :** pour plus d'informations à ce sujet, consultez la section [Aperçu des applications en cours d'exécution dans l'IDE AWS Cloud9](https://docs.aws.amazon.com/cloud9/latest/user-guide/app-preview.html) dans la documentation AWS Cloud9.
**Traitement du langage naturel à l'aide d'Amazon Comprehend**
En choisissant d'utiliser Amazon Comprehend, vous pouvez détecter des entités personnalisées dans des documents texte individuels en exécutant une analyse en temps réel ou des tâches par lots asynchrones. Amazon Comprehend vous permet également de former des modèles personnalisés de reconnaissance d'entités et de classification de texte qui peuvent être utilisés en temps réel en créant un point de terminaison.
Ce modèle utilise des tâches par lots asynchrones pour détecter les sentiments et les entités d'un fichier d'entrée contenant plusieurs documents. L'exemple d'application fourni par ce modèle est conçu pour que les utilisateurs puissent télécharger un fichier .csv contenant une seule colonne avec un document texte par ligne. Le `comprehend_helper.py` fichier contenu dans les [résultats du AI/ML modèle GitHub Visualize à l'aide de Flask et du référentiel AWS Elastic](https://github.com/aws-samples/aws-comprehend-elasticbeanstalk-for-flask) Beanstalk lit le fichier d'entrée et l'envoie à Amazon Comprehend pour traitement.
*BatchDetectEntities*
Amazon Comprehend inspecte le texte d'un lot de documents à la recherche d'entités nommées et renvoie l'entité détectée, l'emplacement, le [type d'entité](https://docs.aws.amazon.com/comprehend/latest/dg/how-entities.html), ainsi qu'un score indiquant le niveau de confiance d'Amazon Comprehend. Un maximum de 25 documents peuvent être envoyés en un seul appel d'API, chaque document ayant une taille inférieure à 5 000 octets. Vous pouvez filtrer les résultats pour n'afficher que certaines entités en fonction du cas d'utilisation. Par exemple, vous pouvez ignorer le type d'`‘quantity’`entité et définir un score de seuil pour l'entité détectée (par exemple, 0,75). Nous vous recommandons d'étudier les résultats correspondant à votre cas d'utilisation spécifique avant de choisir une valeur de seuil. Pour plus d'informations à ce sujet, consultez [BatchDetectEntities](https://docs.aws.amazon.com/comprehend/latest/dg/API_BatchDetectEntities.html)la documentation Amazon Comprehend.
*BatchDetectSentiment*
Amazon Comprehend inspecte un lot de documents entrants et renvoie le sentiment dominant pour chaque document (`POSITIVE`, `NEUTRAL``MIXED`, ou). `NEGATIVE` Un maximum de 25 documents peuvent être envoyés en un seul appel d'API, chaque document ayant une taille inférieure à 5 000 octets. L'analyse du sentiment est simple et vous choisissez le sentiment ayant le score le plus élevé à afficher dans les résultats finaux. Pour plus d'informations à ce sujet, consultez [BatchDetectSentiment](https://docs.aws.amazon.com/comprehend/latest/dg/API_BatchDetectSentiment.html)la documentation Amazon Comprehend.
**Gestion de la configuration des flasques**
Les serveurs Flask utilisent une série de [variables de configuration](https://flask.palletsprojects.com/en/1.1.x/config/) pour contrôler le fonctionnement du serveur. Ces variables peuvent contenir des résultats de débogage, des jetons de session ou d'autres paramètres d'application. Vous pouvez également définir des variables personnalisées accessibles pendant que l'application est en cours d'exécution. Il existe plusieurs approches pour définir les variables de configuration.
Dans ce modèle, la configuration est définie `config.py` et héritée dans`application.py`.
+
**Note**
`config.py`contient les variables de configuration définies au démarrage de l'application. Dans cette application, une `DEBUG` variable est définie pour indiquer à l'application d'exécuter le serveur en [mode débogage](https://flask.palletsprojects.com/en/1.1.x/config/#DEBUG). : le mode Debug ne doit pas être utilisé lors de l'exécution d'une application dans un environnement de production. `UPLOAD_FOLDER`est une variable personnalisée qui est définie pour être référencée ultérieurement dans l'application et indiquer où les données utilisateur téléchargées doivent être stockées.
+ `application.py`lance l'application Flask et hérite des paramètres de configuration définis dans. `config.py` Cela s'effectue à l'aide du code suivant :
```
application = Flask(__name__)
application.config.from_pyfile('config.py')
```