<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          如何將pytorch檢測(cè)模型通過(guò)docker部署到服務(wù)器

          共 2906字,需瀏覽 6分鐘

           ·

          2021-01-15 02:56




          向AI轉(zhuǎn)型的程序員都關(guān)注了這個(gè)號(hào)??????

          人工智能大數(shù)據(jù)與深度學(xué)習(xí) ?公眾號(hào):datayx



          本文記錄下如何使用docker部署pytorch文本檢測(cè)模型到服務(wù)器,

          。鏡像文件也上傳到docker hub了,可以一步步運(yùn)行起來(lái),不過(guò)需要先安裝好docker。docker的安裝可參考官方文檔。https://docs.docker.com/docker-for-windows/install/


          docker制作深度學(xué)習(xí)鏡像(以windows環(huán)境下為例)



          搭建服務(wù)端API

          為了便于測(cè)試,可以先使用Flask搭建一個(gè)簡(jiǎn)易版本文本檢測(cè)服務(wù)器,服務(wù)端創(chuàng)建接口部分代碼如下:



          1. 其中主要的是detection函數(shù),接收的圖像為numpy array格式,通道為BGR;輸出為檢測(cè)的文本框,shape為(#boxes, 8),8代表四個(gè)點(diǎn)的橫縱坐標(biāo),從左上角開(kāi)始順時(shí)針排序。

          2. PAGE是一個(gè)簡(jiǎn)單的網(wǎng)頁(yè),創(chuàng)建表單??稍跒g覽器中進(jìn)行驗(yàn)證,也可以通過(guò)腳本驗(yàn)證,后面詳述。

          創(chuàng)建鏡像

          需要先編寫(xiě)Dockerfile文件:


          1. gaolijun/pytorch:1.2-cuda10.0-cudnn7-cv-flask-py3.6?是另一個(gè)自定義創(chuàng)建的鏡像,安裝的Python版本為3.6,pytorch版本為1.2,cuda版本為10.0;并且已經(jīng)安裝好了opencv和flask,以及其他一些常用庫(kù),比如numpy等等,該鏡像做了許多精簡(jiǎn),保證了搭建pytorch和flask服務(wù)所需的功能,文件并不很大。為了省事兒,直接在這上面搭建幾層。

          2. 設(shè)置docker開(kāi)放的端口為5000,后面可以在運(yùn)行的主機(jī)上進(jìn)行映射。

          3. 然后將需要的文本拷貝進(jìn)去,其中detection_api提供上面的detection函數(shù),可以看成黑盒子,輸入是圖像,輸出為該圖像上檢測(cè)得到的所有文本框。

          4. 安裝額外的依賴包:Shapely和pyclipper,這在?gaolijun/pytorch:1.2-cuda10.0-cudnn7-cv-flask-py3.6?中沒(méi)有安裝,so...

          5. 在容器中運(yùn)行鏡像的時(shí)候就運(yùn)行檢測(cè)api腳本。

          寫(xiě)好了Dockerfile,在DockerFile所在目錄運(yùn)行:

          docker build -t detector:v1.0 .

          鏡像名稱為detector,給個(gè)標(biāo)簽:v1.0,便于跟蹤管理。

          拉取鏡像

          我已經(jīng)將創(chuàng)建的鏡像上傳到docker hub了,可以拉取下來(lái):

          docker pull laygin/detector

          然后查看下全部的鏡像:


          運(yùn)行docker

          docker run -p 3223:5000 -d --name detector detector:v1.0

          1. -p: 主機(jī)端口到docker容器端口的映射。所以,只要愿意,主機(jī)上可以運(yùn)行多個(gè)docker容器,指定不同的端口即可。

          2. -d: docker容器在后臺(tái)運(yùn)行

          3. --name: docker 容器名稱

          4. 后面跟上創(chuàng)建的鏡像,即在容器detector中運(yùn)行的鏡像detector:v1.0

          5. 或許需要?docker container ls?來(lái)查看它

          6. 或許還需要?docker stop detector?來(lái)停止它

          7. 或許也需要?docker rm detector?來(lái)移除它,。。。。。如果沒(méi)有停掉而想直接移除或許還不行,那就加上?--force/-f?強(qiáng)制操作吧


          驗(yàn)證

          文本檢測(cè)服務(wù)已經(jīng)運(yùn)行起來(lái)了,要怎樣才知道有沒(méi)有運(yùn)行成功呢?這里通過(guò)兩種方式來(lái)驗(yàn)證一下。

          1. 瀏覽器

          提供了簡(jiǎn)易的web page,直接在瀏覽器中輸入serverIP:3223/detector,其中serverIP為運(yùn)行docker的服務(wù)器IP地址。



          點(diǎn)擊Browse選擇圖像,然后點(diǎn)擊detect進(jìn)行檢測(cè),得到如下結(jié)果:



          2. python腳本

          通過(guò)腳本驗(yàn)證是最常用的方式了,這里寫(xiě)了一個(gè)簡(jiǎn)單的demo腳本


          結(jié)果如圖所示:


          原文地址:https://zhuanlan.zhihu.com/p/159191983





          閱讀過(guò)本文的人還看了以下文章:


          TensorFlow 2.0深度學(xué)習(xí)案例實(shí)戰(zhàn)


          基于40萬(wàn)表格數(shù)據(jù)集TableBank,用MaskRCNN做表格檢測(cè)


          《基于深度學(xué)習(xí)的自然語(yǔ)言處理》中/英PDF


          Deep Learning 中文版初版-周志華團(tuán)隊(duì)


          【全套視頻課】最全的目標(biāo)檢測(cè)算法系列講解,通俗易懂!


          《美團(tuán)機(jī)器學(xué)習(xí)實(shí)踐》_美團(tuán)算法團(tuán)隊(duì).pdf


          《深度學(xué)習(xí)入門(mén):基于Python的理論與實(shí)現(xiàn)》高清中文PDF+源碼


          特征提取與圖像處理(第二版).pdf


          python就業(yè)班學(xué)習(xí)視頻,從入門(mén)到實(shí)戰(zhàn)項(xiàng)目


          2019最新《PyTorch自然語(yǔ)言處理》英、中文版PDF+源碼


          《21個(gè)項(xiàng)目玩轉(zhuǎn)深度學(xué)習(xí):基于TensorFlow的實(shí)踐詳解》完整版PDF+附書(shū)代碼


          《深度學(xué)習(xí)之pytorch》pdf+附書(shū)源碼


          PyTorch深度學(xué)習(xí)快速實(shí)戰(zhàn)入門(mén)《pytorch-handbook》


          【下載】豆瓣評(píng)分8.1,《機(jī)器學(xué)習(xí)實(shí)戰(zhàn):基于Scikit-Learn和TensorFlow》


          《Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》PDF+完整源碼


          汽車(chē)行業(yè)完整知識(shí)圖譜項(xiàng)目實(shí)戰(zhàn)視頻(全23課)


          李沐大神開(kāi)源《動(dòng)手學(xué)深度學(xué)習(xí)》,加州伯克利深度學(xué)習(xí)(2019春)教材


          筆記、代碼清晰易懂!李航《統(tǒng)計(jì)學(xué)習(xí)方法》最新資源全套!


          《神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)》最新2018版中英PDF+源碼


          將機(jī)器學(xué)習(xí)模型部署為REST API


          FashionAI服裝屬性標(biāo)簽圖像識(shí)別Top1-5方案分享


          重要開(kāi)源!CNN-RNN-CTC 實(shí)現(xiàn)手寫(xiě)漢字識(shí)別


          yolo3 檢測(cè)出圖像中的不規(guī)則漢字


          同樣是機(jī)器學(xué)習(xí)算法工程師,你的面試為什么過(guò)不了?


          前海征信大數(shù)據(jù)算法:風(fēng)險(xiǎn)概率預(yù)測(cè)


          【Keras】完整實(shí)現(xiàn)‘交通標(biāo)志’分類(lèi)、‘票據(jù)’分類(lèi)兩個(gè)項(xiàng)目,讓你掌握深度學(xué)習(xí)圖像分類(lèi)


          VGG16遷移學(xué)習(xí),實(shí)現(xiàn)醫(yī)學(xué)圖像識(shí)別分類(lèi)工程項(xiàng)目


          特征工程(一)


          特征工程(二) :文本數(shù)據(jù)的展開(kāi)、過(guò)濾和分塊


          特征工程(三):特征縮放,從詞袋到 TF-IDF


          特征工程(四): 類(lèi)別特征


          特征工程(五): PCA 降維


          特征工程(六): 非線性特征提取和模型堆疊


          特征工程(七):圖像特征提取和深度學(xué)習(xí)


          如何利用全新的決策樹(shù)集成級(jí)聯(lián)結(jié)構(gòu)gcForest做特征工程并打分?


          Machine Learning Yearning 中文翻譯稿


          螞蟻金服2018秋招-算法工程師(共四面)通過(guò)


          全球AI挑戰(zhàn)-場(chǎng)景分類(lèi)的比賽源碼(多模型融合)


          斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)


          python+flask搭建CNN在線識(shí)別手寫(xiě)中文網(wǎng)站


          中科院Kaggle全球文本匹配競(jìng)賽華人第1名團(tuán)隊(duì)-深度學(xué)習(xí)與特征工程



          不斷更新資源

          深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、python

          ?搜索公眾號(hào)添加:?datayx??



          機(jī)大數(shù)據(jù)技術(shù)與機(jī)器學(xué)習(xí)工程

          ?搜索公眾號(hào)添加:?datanlp

          長(zhǎng)按圖片,識(shí)別二維碼


          瀏覽 110
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  激情五月婷婷网 | 国产美女丝袜足交视频 | 免费无码一区二区三区四区 | 操逼操逼操逼操逼操逼操逼操逼操 | 国产精品九九九 |