iT邦幫忙

2024 iThome 鐵人賽

DAY 18
0
Kubernetes

關於新手會想知道Kubernetes的幾件事情系列 第 18

[Day 18] K8S Lab - 基於 MS COCO 的圖像分類系統 (1)

  • 分享至 

  • xImage
  •  

在現代的 AI 應用中,圖像分類是一個常見且重要的任務。

透過 Kubernetes,我們可以部署一個可擴展的圖像分類系統,並使用 ResNet18 模型來處理 MS COCO 數據集。

本文將介紹該系統的架構設計,包括 Kubernetes 的部署策略,以及如何使用分類準確度(classification accuracy)來評估模型的性能。

系統架構概述

這個系統主要分為三個核心部分:

  1. 模型訓練與推理服務
  2. 前端圖像上傳與結果展示頁面
  3. 後端 Kubernetes 集群與服務部署

模型訓練與推理服務

我們使用經典的 ResNet18 模型進行圖像分類。

ResNet18 是一種深度殘差網路,適合用於各種圖像分類任務。

這個模型預先在 MS COCO 數據集上進行了訓練,MS COCO 是一個包含多類別圖像的大型數據集,為模型提供了豐富的訓練數據。

a

模型訓練完成後,我們將其部署為一個推理服務。

這個推理服務是基於 REST API 的,允許用戶通過 HTTP 請求將圖像發送到服務器,並接收分類結果。

推理服務運行在 Kubernetes 集群上,利用其擴展性和穩定性,確保在高並發情況下的可靠性。

前端圖像上傳與結果展示頁面

前端部分是一個簡單的 Web 應用,允許用戶上傳圖像並查看分類結果。

該頁面可以通過瀏覽器訪問,用戶可以上傳任意圖像,系統會將圖像發送到後端的推理服務進行分類,並將結果顯示在頁面上。

這個 Web 應用的構建與部署同樣基於 Docker 和 Kubernetes,使其具有靈活的擴展能力和高可用性。

Web 應用與推理服務之間通過內部服務進行通信,確保數據傳輸的安全性和高效性。

Kubernetes 集群與服務部署

Kubernetes 是這個系統的核心支撐平台。

整個系統的所有組件都部署在 Kubernetes 集群中,包括模型推理服務和 Web 應用。

使用 Kubernetes 的好處在於它提供了自動擴展、滾動更新、服務發現和負載均衡等功能,這些特性對於需要處理大量請求的圖像分類系統至關重要。

  • 推理服務 Deployment:該服務將以多個副本的形式部署,以應對大規模並發請求。
  • Web 應用 Deployment:同樣以多副本方式部署,確保用戶能夠快速響應。
  • Service:Kubernetes Service 用於暴露推理服務和 Web 應用,使其能夠被外部訪問。

此外,Kubernetes 允許我們輕鬆地監控和管理資源使用情況,確保系統在高負載下仍然能夠穩定運行。

Reference


上一篇
[Day 17] K8S Lab - 管理 Web-App
下一篇
[Day 19] K8S Lab - 基於 MS COCO 的圖像分類系統 (2)
系列文
關於新手會想知道Kubernetes的幾件事情30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言