從 MAX 網站中獲取模型,一秒開始你的深度學習應用

.. 雷鋒網按:本文為 AI 研習社編譯的技術博客,原標題 Ready-to-Use Deep-Learning Models,作者為 Patrick Titzler。

翻譯 | 老周     整理 | MY

您是否想過對圖像進行分類、識別圖像中的人臉或位置、處理自然語言或文本,或者根據應用程序中的時間序列數據創建推薦? 通過深度學習(使用深度神經網絡的機器學習),你可以做到這一點,甚至超出你期望。


工作中的目標識別。照片來源於 Unsplash 網站(Alexis Chloe 提供)https://unsplash.com/photos/dD75iU5UAU4 

為了將深度學習應用到您的數據(文本、圖像、視頻、音頻等)中,您需要一個預先訓練好的模型、一個運行時環境、數據清洗,特徵轉換,以及後期邏輯處理轉換模型,以便得到期望的結果。

讓我們簡單地看一看如果您要使用深度學習模型通常需要完成的步驟:

  • 獲得一個適合你需要的訓練有素的深度學習模式。深度學習模型往往(非常)龐大和(非常)複雜,有些模型甚至還沒有被很好地理解。訓練這些模型通常需要時間和資源,需要大量的數據和大量的機器學習專業知識,以及諸如 TensorFlow、Caffe、PyTorch 或 Keras 等框架的知識。

  • ETL 過程:實現預處理輸入的包裝器代碼,調用框架以生成模型輸出並將輸出轉換為適合應用程序的格式。



預訓練的模型+包裝器= 深度學習應用使用前提準備

為了讓您和我這樣的開發人員簡化這個過程,我們設置了模型資產交換 Model Asset Exchange(MAX)。 IBM Code Model Asset Exchange (MAX) 是一站式交流平台,開發人員可在此查找和使用免費的開源深度學習模型,它提供使得經過良好測試的機器學習與深度學習模型供大家免費使用。

如果您在本地計算機上安裝了 Docker(或者可以將 docker 容器部署到雲端),您將在不到五分鐘的時間內運行基本的即用型深度學習服務。

注意:模型資產存儲庫還包括一個用於部署到 Kubernetes 的啟動器配置文件。


入門

從 MAX 網站中選擇所需的模型,克隆引用的 GitHub 存儲庫(它包含您需要的所有內容),構建並運行 Docker 映像。

注意:Docker 鏡像也在 Docker Hub 上發佈。

例如,如果您想用標題注釋圖像,描述可視化的內容,請選擇圖像標記模型並在終端窗口中運行以下命令:

容器運行后,您可以使用公開的 REST API 來探索 Swagger 規範或使用該模型。

Docker 容器提供了從 Model Asset Exchange 探索和使用深度學習模型所需的所有功能。

在您的 web 瀏覽器中打開下面這個鏈接:http://localhost:5000 ,來訪問 Swagger 規範並查看可用的 API 端點。請注意,API 端口號因型號而異; 例如 一些 Docker 鏡像可能會暴露訓練的端口號,而有些則不會。

注意:服務隱藏了很多複雜性。對於初學者來說,您不必精通用於在模型上操作的框架。您也不必將輸入轉換為框架理解的內容,或者將模型輸出轉換為應用程序友好的格式。


初步使用 API 

測試驅動服務的最快方法是通過生成的 Swagger UI。提供請求的輸入(在此示例中為圖像的位置)併發送預測請求:

使用 Swagger UI 運行一個快速測試。注意本例中的低概率;生成的圖像標題可能不能準確地反映圖像內容。

或者,


......

想要繼續閱讀,請移步至我們的AI研習社社區:https://club.leiphone.com/page/TextTranslation/804

更多精彩內容盡在 AI 研習社。

不同領域包括計算機視覺,語音語義,區塊鏈,自動駕駛,數據挖掘,智能控制,編程語言等每日更新。

雷鋒網雷鋒網(公眾號:雷鋒網)(公眾號:雷鋒網)



想在手機閱讀更多網站設計及開發資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems