【个人笔记】深度学习模型部署--2019.8.6下一步学习计划

搭建深度学习后台服务器

https://blog.csdn.net/qq_38957170/article/details/82820541

本篇文章的原创为国外的一篇文章(一个可扩展的Keras深度学习REST API)，链接为：

https://www.pyimagesearch.com/2018/01/29/scalable-keras-deep-learning-rest-api/#

 

 

Keras作者力推开源框架Lore：15分钟搞定深度学习模型从配置到部署

https://cloud.tencent.com/developer/news/123038

 

 

图像识别工程的7个工作步骤：
1. 数据准备；
2. 搭建神经网络；
3. 模型训练（读取数据的多线程生成器、多GPU并行训练、保存模型）；
4. 模型评估（加载模型、使用业务对应的评估指标在验证集上计算模型效果）；
5. 模型测试（使用实际场景中的图像数据测试模型效果）；
6. 模型部署（开发Web服务端接口、开发Web前端界面）；
7. 闭环优化。

https://www.bilibili.com/video/av54324093?from=search&seid=14138342655337443454

 

部分知识点罗列：
6. ResNet_v2与ResNet_v1的区别
* 6.1 朗读ResNet_v1论文部分内容的翻译结果
* 6.2 朗读ResNet_v2论文部分内容的翻译结构
* 6.3 查看网上别人对于ResNet_v1和ResNet_v2区别的见解
8. 在深度学习框架Keras中如何实现多GPU并行计算 
* 8.1 理解多GPU与batch_size的关系
* 8.2 多GPU实际加速效果演示、多GPU运算时显卡使用率分析

https://www.bilibili.com/video/av52768866