鐵人檔案
本次挑戰要完成如何用 YOLO 來對觀賞魚進行辨識的全端實作，包含後端 API，後端模型訓練以及前端手機開發，讓使用者可以透過手機上傳一個圖片來完成觀賞魚的辨識。全部的開發環境會在 AWS 中完成，目前暫定用 EC2 來進行訓練以及預測，如果可以，會希望用 AWS SageMaker來完成，已達到無服務器的理想。
觀賞魚辨識系統說明－Day 01 在接下來的30天會製作一個完整的系統包含前端－手機/網頁，後端－Nginx + Django，以及辨識模型 YOLO 的建立，...
選擇具有 GPU 的 EC2 並完成配置－Day 02 需要配置一台電腦來處理接下來所有的服務，因為這是深度學習的應用，所以需要使用到 GPU，而 GPU 的配...
安裝資料庫 MariaDB 在 Amazon Linux 2－Day 03 啟動 EC2 後每小時就要開始收費，務必要記得沒有使用的時候就把EC2停止(stop...
安裝 Django 在 Amazon Linux 2－Day 04 因為魚類辨識系統會使用到 Python 來進行訓練跟預測，而這些功能都是會在後端完成，為了考...
Django + MariaDB 在 Amazon Linux 2－Day 05 今天的目的是要讓 Django Web 應用程式可以讀取 MariaDB 的資...
Django + MariaDB + RESTful API + ARC－Day 06 開發 Web API 需要有工具來模擬 API 的呼叫，所以我們安裝 A...
RESTful API 在 Amazon Linux 2 上傳圖片實作－Day 07 RESTful API 規格書 因為 RESTful API 需要前後端的...
Amazon Linux 2 上將 Django 與 Nginx 整合 －Day 08 先前我們都是直接使用 Django 所建立的網頁伺服器，但是畢竟 Dja...
Amazon Linux 2 上解決跨來源資源共用 (CORS) 與開機自動啟動 uwsgi － Day 09 在應用的後端，我們已經解決了以下幾個問題： 資...
介紹影像辨識的處理流程 － Day 10 所有影像辨識的問題都會面臨以下幾個問題：圖片中有幾個要辨識的物件 (影像切割，Image Segmentation)，...