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
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