Servire i modelli ONNX per la classificazione delle immagini

Il servizio efficiente dei modelli di apprendimento automatico è fondamentale per le applicazioni del mondo reale. Questo corso ti guida attraverso il processo di conversione dei modelle addestrati nel formato ONNX e la loro distribuzione per l'inferenza. Alla fine, sarete in grado di impostare pipeline di servizio robuste e performanti per le attività di classificazione delle immagini, rendendo le vostre soluzioni AI accessibili e scalabili. Cosa imparerai: * Comprendere il ruolo e i vantaggi del formato ONNX per l'interoperabilità e la distribuzione del modello. * Convertire i modelli di classificazione delle immagini popolari da framework come PyTorch o TensorFlow a ONNX. * Sviluppare script Python per un'efficiente inferenza e previsione del modello ONNX. * Containerizzare la tua applicazione di servizio ONNX utilizzando Docker per una distribuzione coerente e portatile. * Costruire un REST API di base per esporre il modello ONNX per le previsioni in tempo reale. * Applicare le migliori pratiche per ottimizzare le prestazioni di inferenza del modello ONNX. Il corso inizia con un'introduzione a ONNX e ai suoi vantaggi, quindi passa attraverso la conversione del modello.Le sezioni successive riguardano la costruzione di pipeline di inferenza, la containerizzazione di applicazioni e la distribuzione di modelli tramite una semplice API Web. Questo corso è progettato per i principianti in machine learning e MLOps che desiderano apprendere la distribuzioni di modelle pratiche. Non è richiesta alcuna esperienza precedente con ONNX o con il model serving.