这是一篇关于构建和部署“MNIST 思维映射器”应用的文章，主要内容如下：

• 演示：可以观看此视频了解应用的工作方式。
• 概述：作者作为应用和基础设施开发者，希望亲手训练和部署神经网络，并将其包装在 REST API 中，以构建允许用户与之交互的前端。文章详细介绍了构建和成功部署该应用的步骤及遇到的问题。
• 开源代码：大部分工作都开源，此项目也不例外。
• 应用流程图：前端提供可绘制画布，用户在其上涂鸦，定期将图像发送到后端 API，后端运行推理并返回预测数字，前端显示结果。
• 模型训练：使用 PyTorch 定义简单神经网络架构，加载 MNIST 数据集，训练模型并保存到磁盘。还创建了一个简单的 FAST API 服务器进行自我测试。
• 第一个挑战：Vercel 的 Python 支持不成熟，文档稀少，示例简单，错误信息不直观，如“data too long”，且缺乏常见捆绑问题的解决方案等重要细节。
• 转换为 ONNX 并再次尝试：尝试将 PyTorch 模型转换为 ONNX 格式，以减少模型大小，但在作者的案例中未起作用，仍得到相同错误。
• 在 Modal.com 中寻找 Python 后端主机：研究发现 Modal.com 轻量级且易于设置，将本地的 Fast API Python 后端转换为modal_function.py并部署，虽然存在冷启动问题，但开发者体验良好。