iT邦幫忙

2021 iThome 鐵人賽

DAY 26
0
AI & Data

然後模型就死在 Jupyter Notebook 了 (ಥ﹏ಥ)系列 第 26

[Day 26] Final Project (2/5) — 準備開始

接下來幾天的文章會像料理節目一樣,用我事先準備好的材料 (模型、App...) 來進行說明,底下就來整理一下會做的事情吧。

材料:

工具

  • Streamlit
  • gcloud SDK (CLI 工具)
  • Google Cloud Project
  • Google Storage
  • Google AI Platform
  • Docker
  • Google Container Registry
  • Google App Engine

步驟

  1. 讓 App 在本機端運行
  2. 部署模型到 AI Platform
  3. 部署 app 到 App Engine

如果能順利完成未來幾天的工作,最後我們就能得到一個基於 Streamlit 的網頁應用 (搭載資料飛輪),它可以用來將台灣常見的鳥兒分類 (還有一些很難見到的XD)。

下圖是可行的部署方法:
possible workflow
*圖片修改自 CS 329S: Machine Learning Systems Design, Lecture 8: Deployment

而我們具體的工作流程如下:
True workflow

首先會使用 TensorFlow 訓練一個模型 (當然也可以用 PyTorch),接著將其上傳到 Google Storage 並部署到 AI Platform 上。

如此一來,我們就可以拿著照片問它裡面有什麼鳥,而它會丟一個張量回來,搭配上我們建立的 App 就能把這個張量漂漂亮亮的展示出來。

最後再把它部署到 App Engine 上,就可以在任何地方秀給別人看了。

下面就是這個 App 實際運作的情形 (使用部署於 Google Cloud 的模型):

GIF DEMO + Data Flywheel

連最後幫助我們改善模型的資料飛輪都做到了,酷吧!!
/images/emoticon/emoticon24.gif


上一篇
[Day 25] Final Project (1/5) — 目標、計畫說明
下一篇
[Day 27] Final Project (3/5) — 讓 App 在本機端運行
系列文
然後模型就死在 Jupyter Notebook 了 (ಥ﹏ಥ)30

尚未有邦友留言

立即登入留言