ABEJA Platform 템플릿 비프로그래밍 배포 머신러닝 모델 사용
4114 단어 ABEJAPlatform기계 학습
입문
본 보도는 다음과 같은 절차를 총결한 보도이다.
- ABEJA Platform 템플릿을 사용하여 비프로그래밍 배포 이미지 분류를 위한 머신러닝 모델
(본 기사의 전편은 여기에 있습니다)
ABEJA Platform 템플릿을 사용하여 프로그래밍 없이 머신러닝 모형 학습
https://qiita.com/yushin_n/items/6852ad042913617d8892
모델 생성하기
전편에서 나는 몇 개의 초파라미터를 결합시켜 모델을 배웠다.이번에는 학습된 모델 중 정밀도가 가장 높은 모델을 웹 API로 배치합니다.
먼저 Validation Accuracy의 가장 높은 학습 작업 ID를 유지합니다.
그런 다음 모델의 생성 을 클릭하고 업로드에서 템플릿을 선택합니다.'창설 후 배치'를 선택하십시오.
작업 정의에서 작업 정의와 Validation Accuracy에서 가장 높은 학습 작업 ID를 선택합니다.지금 나는 이미 배치할 준비가 다 되었다.
HTTP 서비스 만들기
컨트롤러 배치로 이동할 때, 방금 만든 배치를 찾을 수 있습니다.
배포 이름을 클릭한 다음 HTTP 서비스 생성 을 클릭합니다.버전, 인스턴스 유형 및 인스턴스 수를 선택합니다.
몇 분 정도 기다리면 상태가 "가용"으로 바뀌고 모델을 웹 API로 배치합니다.학습이 끝난 후 겨우 몇 분 만에 모델을 배치할 수 있다.
「✔테스트를 수행하려면 확인을 클릭합니다.
URL을 클릭합니다위키백과 민들레 사진 링크 붙여넣기.
클릭하여 보내주시면... 추론 결과가 돌아왔습니다!
Probability는 98.99%로 DANDELION(민들레)으로 예측됩니다.느낌이 좋아요.
나도 튤립 사진 한번 해볼게.업로드를 클릭하여 파일을 드래그합니다.
Probability 99.99%, TULIP(튤립)으로 예상!
총결산
본고는 ABEJA Platform 템플릿을 사용하여 비프로그래밍으로 이미지 분류 기계 학습 모델을 배치하는 절차를 총괄하였다.이 기능을 활용하면 머신러닝 초보자라도 작은 머신러닝 앱을 만들 수 있다
참고 자료
LINE Bot과 ABEJA Platform의 웹 API가 협력하는 방법은 이 글을 참조하십시오.
https://qiita.com/peisuke/items/f46e46a98692c3490f15
ABEJA Platform은 시험용 기능도 제공합니다.마음에 드는 사람은 언제든지 문의하세요.또 포럼도 있으니 꼭 활용하세요.
ABEJA Platform에 대한 문의
https://abejainc.com/platform/ja/contact/
ABEJA Platform Forum
https://forums.abeja.io/
Reference
이 문제에 관하여(ABEJA Platform 템플릿 비프로그래밍 배포 머신러닝 모델 사용), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/yushin_n/items/fb338ca9bd3c685ad691텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)