主要說明使用AI平台最常使用的三個需求: training 、tracking與serving. 這30天會使用open source工具說明如何安裝與整合系統, 以建立出自己的自己的AI平台, .同時也會使用現有工具說明如何達成圖像應用的Labeling、training與serving.
主題說明 本次參加鐵人賽的主題是AI平台初學者工作坊: 從training、tracking到serving, 想要使用AI工具說明如何安裝AI平台、執行訓練、...
安裝kubeadmin 在前一篇提到, 後續範例使用到的工具可以自建或使用現成的工具, 會將自建工具建置在kubernets culster上, 因此需要一座K...
在第一個範例中將會使用MNIST手寫辦識資料集進行訓練與模型部署. MNIST說明 MNIST database((Modified National Inst...
JupyterHub為一個提供可多人撰寫的notebook的工具, 屬於撰寫notebook工具中的其中一個分支. 本次所安裝的JupyterHub版本為jup...
我們在前一篇已完成JupyterHub的安裝, 其中產生一個config檔做為安裝JupyterHub的參數檔, 這時我們來詳細看一下這個檔案設定了什麼 pro...
在上一篇我們已經安裝好JupyterHub, 也說明config檔的參數內容, 現在我們使用admin這個user登入jupyterhub. 我們開啟Jupyt...
第一天的簡介中, 我們提到會整合training、tracking與serving(如下圖). 現在我們已使用fastai進行MNIST資料集的訓練, 並且產生...
在上一篇我們已經完成MLFlow的安裝, 這篇我們就來說明如何在jupyter notebook裡整合MLFlow. 這次的範例可以在github下載 fast...
我們再回到第一天提到的主題內容, 如下圖. 我們已經完成training與tracking的部份, 接下來我們開始準備serving的工作. 這次的servi...
上一篇把Django的開發環境準備好了, 這一篇我們來寫程式將模型部署在Django專案並且可以提供endpoint可讓使用者(client)傳送一張手寫圖檔到...