概述
开发者可在 IBM Developer 上的 Model Asset Exchange 中找到并使用适用于常见应用领域(如文本、图像、音频和视频处理)的最先进的免费开源深度学习模型。此精选列表包含可部署的模型,您可将这些模型作为微服务在本地运行或者在云端的 Docker 或 Kubernetes 上运行,它还包含了可训练的模型,您可在这些模型中使用自己的数据来训练模型。
目标
完成本学习路径后,您将能够:
- 在 Exchange 中找到并探索可部署和可训练的深度学习模型
- 在 Docker 上部署模型服务式微服务
- 在 RedHat OpenShift 容器平台上部署模型服务式微服务
- 在 Node.js 或 Python Web 应用程序中使用微服务
- 在 Node-RED 数据流中使用微服务
- 在无服务器应用程序中使用微服务
- 利用 JavaScript 在 Web 浏览器中使用微服务
- 完成 Model Asset Exchange 的 Code Pattern 示例。
预备知识
由于本学习路径是为初学者设计的,所以不需要任何预备知识就能开始。
技能水平
本学习路径的技能水平适用于初学者。
预估完成时间
完成整个学习路径大约需要 3 个小时。
模块
本学习路径由以下几项构成:
- 文章
IBM Developer 上的 Model Asset Exchange 简介
了解开发者如何在 MAX 中查找和使用适用于常见应用领域(如文本、图像、音频和视频处理)的免费、开源且最先进的深度学习模型。
- 教程
Model Asset Exchange 入门
将深度学习模型作为微服务进行部署,并在您的应用程序或服务中使用这些微服务。
- 教程
在 Red Hat OpenShift 上部署深度学习模型
在 Red Hat OpenShift 上通过 Model Asset Exchange 部署模型服务式微服务。
- 教程
在 Node-RED 数据流中利用深度学习模型
在 Node-RED 数据流中使用 Model Asset Exchange 中的深度学习模型来处理图像、视频、音频或文本数据。
- 教程
在 IBM Cloud Functions 中利用深度学习
了解如何监控 Cloud Object Storage 存储空间中的更改并使用深度学习微服务分析这些更改数据。
- 博客
在 Raspberry Pi 上运行 MAX 深度学习模型
探讨深度学习应用中的一些问题,然后了解 Raspberry PI 上的深度学习如何解决这些问题。