上一篇我們已完成口罩影像資料的部署, 這個部署是將model serving在workstation上. 所謂的Nilvana workstation有比較強的系統資源, 而且具有GPU可以執行training. 但GPU的價格較為昂貴, 而且在執行推論時也不一定需要使用GPU, 因此Nilvana同時也推出edge架構, 是一台可執行推論的device, Nilvana的架構如下圖
接下來我們就來把前面訓練好的model部署在edge上.
首先我們models頁面點擊Download
接著我們開啟edge的操作頁面(如下圖). 在上方功能列點擊New Project
.
輸入project名稱為edenmask
在新project之中還沒有入任何model, 我們來上傳一個, 請擊Upload model
鍵
畫面會回到上傳model的畫面, 請點擊右邊的Upload
把我們剛剛下載的model上傳上去, 完成後如下圖
這時回到左側inference功能, 在edenmak專案中就可以看到我們上傳的model.
點擊已上傳的model之後, 因為我們要取得ednpoint後進行二次開發, 所以點擊API Endpoint
下圖即是建立好的endpoint資訊頁面
接著我們來試著使用Postman來存取這個endpoint看看
form-data
, 在key
欄位選擇file
並且給一個名稱為image
, 然後將一張照片上傳上來到這裡, 我們已經使用Nilvana進行labeling、traning與serving. 經由Nilvana平台執行這些動作都變得很容易使用(不需要再自己手動安裝與設定所需工具), 是一個值得推薦的產品