Wie interagiert man in einer produktiven Umgebung mit Machine Learning Modellen? Im zweiten Teil unserer 4-teiligen Blogserie zum Thema Car Model Classification lernt ihr, wie ihr ein TensorFlow-Modell zur Bilderkennung mittels TensorFlow Serving bereitstellt und wie Modellabfragen ausgeführt werden können.
In dieser 4-teiligen Blogserie zur Klassifizierung von Automodellen möchten wir veranschaulichen, wie ein End-to-end Deep Learning-Projekt umgesetzt werden kann. Im ersten Teil zeigen wir, wie mittels Transfer Learning Fahrzeugbilder klassifiziert werden können. Insbesondere erfahrt ihr, wie ein vortrainiertes ResNet-Modell fine getuned werden kann, um einen Downstream-Task anzugehen.
Could you #BeatTheAI? We let deep learning have a go at Super Mario’s first level and compared it to human players. Here we explain how we did it!
In a recent project at STATWORX, I’ve developed a large scale deep learning application for image classification using Keras and Tensorflow. After developing the model, we needed to deploy it in a quite complex pipeline of data acquisition and preparation routines in a cloud environment. We decided to deploy the model on a prediction server that exposes the model through …
Introduction Teaching machines to handle image data is probably one of the most exciting tasks in our daily routine at STATWORX. Computer vision in general is a path to many possibilities some would consider intruiging. Besides learning images, computer vision algorithms also enable machines to learn any kind of video sequenced data. With autonomous driving on the line, learning images …
TensorFlow ist aktuell eines der wichtigsten Frameworks zur Programmierung von neuronalen Netzen, Deep Learning Modellen und anderen Machine Learning Algorithmen. Es basiert auf einem C++ Low Level Backend, das jedoch über eine Python Library gesteuert wird. TensorFlow lässt sich sowohl auf CPU als auch GPU (Clustern) ausführen. Seit kurzem existiert auch ein R Package, mit dem TensorFlow genutzt werden kann. …