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。
Day 21 - 嵌入 AlexeyAB/darknet 的 Python 如同先前的 Joseph/darknet 一樣， AlexeyAB/darknet...
Day 22 - Django + YOLO 後台整合應用 今天的任務是將 Day 07 - RESTful API 在 Amazon Linux 2 上傳圖片...
Day 23 - 前端開發工具 - HBuilder X 完成了後端開發，接下來就要將透過前端跨平台開發框架來存取後端的資源，底下介紹幾種常見的跨平台應用開發框...
Day 24 - 設定開發帳號 HBuilder X - DCloud 註冊 HBuilder X 是開發前端用的整合開發環境 (Integration Dev...
Day 25 - HBuilder X 產生 apk 使用 HBuilder X 來開發手機端應用，原則上需要包含這幾個步驟 下載開發工具並安裝 註冊 dcl...
Day 26 - HBuilderX 與 Native.js API 讀取圖片 在 Day 25 - HBuilder X 產生 apk 已經完成使用 HBui...
Day 27 - 成本估計與 Amazon DynamoDB 觀賞魚辨識成本估計 根據 觀賞魚辨識系統說明－Day 01所介紹的服務，這個系統需要一個 g4dn...
Day 28 - AWS Lambda 結合 Dynamodb 有了 DynamoDB 可以存儲資料，接著需要透過適當的方法去存取 DynamoDB ，於是 A...
Day 29 - AWS Lambda 接收參數查詢 Dynamodb Day 28 - AWS Lambda 結合 Dynamodb 介紹了如何利用 AWS...
Day 30 - 實作 Amazon API GateWay 整合 AWS Lambda 與 Dynamodb Amazon API GateWay 簡介 Am...