鐵人檔案
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.
上一篇說明了Auto ML的基本概念, 本篇我們就來使用auto sklearn實作看看 Auto ML怎麼操作. 請到github下載 notebook n...
從前面幾篇的介紹, 我們手動安裝所需要的環境(包含k8s、jupyterhub、MLFlow、Seldon等工具)才能完成training、tracking與s...
第四個範例跟機器視覺與影像辨識有關, 我們先來了解一下什麼是機器視覺. 機器視覺 機器視覺想要做的事情是模仿人類的視覺能力, 讓機器也能夠了解影片或圖中的內容,...
在範例四的說明中, 我們已下載伊甸基金會釋出的口罩臉孔資料集, 我們預計使用這個資料集進行訓練、產生模型、部署模型、測試endpoint. 當你打開Nilvan...
上一篇我們已將伊甸基金會的口罩臉孔資料集上傳到 nilvana 的 Vision Studio 中, 在真正執行標註之前, 我們先來認識一下標註格式與常用的標註...
我們已將資料集上傳到 nilvana 的 Vision Studio 中, 也知道標註格式的種類與基本內容, 這篇我們來執行標註、資料前處理與資料擴增. 資料標...
上一篇我們已經為資料集做好資料前處理、資料擴增與資料集版本建立, 接下來我們要開始執行training. 請在eden_mask資料集中點選Versions頁籤...
上一篇我們已經建立好模型, 而且也上傳一張圖片驗證推論的結果符合我們的預期. 接下來我們要把model部署出來並且建立endoint, 讓外部使用者可以存取這個...
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...
終於~~ 今天是第三十天,很開心跟大家分享AI平台的Labeling、Training、Tracking與Serving的概念與串接工具的方法.首先我們先手動建...
