[업데이트 2019.07.04 10:46] 지난번 포스팅에 이어서 web service 기반의 Object Detector를 만들어보았습니다. 기존에 만들었던 base docker container를 포함하도록 하였습니다. 따라서 기존의 Caffe 등을 그대로 사용할 수 있게 됩니다. 기존 base 이미지에서 참조하는 폴더 구조를 기반으로 해당 서비스가 참조하도록 구성하였습니다. TT100K 데이터셋에 대해 교통 표지판 검출이 가능하도록 REST API 인터페이스를 구현 하였으며, 웹서비스를 만들기 위해 Python 기반의 Flask를 사용하였습니다. Flask의 경우 micro-framework로 작은 단위의 기능을 마이크로 서비스로 구현할 때 용이합니다. Docker 서비스를 배포하기 위해 AWS E..
[업데이트 2019.07.02 11:40] 기존에 특정 리눅스 버전과 Nvidia 그래픽카드 드라이버 버전 및 CUDA와 같은 라이브러리의 버전을 설치 및 셋팅을 해야 Caffe를 통해 TT100K 벤치마크에 대해 빌드 및 테스트가 가능했었습니다. 초기에 환경 셋팅을 하는 것 때문에 여러번 리눅스를 다시 설치했던 경험이 있는데요. 이러한 모든 것을 O/S 레벨에서 가상화 및 배포, 관리를 용이하게 만드는 Docker를 사용하여 한번만 잘 만들어 놓으면 Docker Engine이 있는 어떤 환경에서든지 쉽게 사용이 가능하게 됩니다. TT100K 벤치마크 사용을 쉽게 할 수 있도록 Docker Container를 만들어보았습니다. 아래 GitHub에서 알 수 있듯이 Docker 이미지는 다음과 같이 구성되어..
- Total
- Today
- Yesterday
- sentence test
- ILoop Engine
- Sea Bottom
- Game Engine
- #ApacheZeppelin
- Physical Simulation
- Library
- belief
- 2D Game
- Ragdoll
- OST
- Worry
- Mask R-CNN
- English
- project
- ate
- SSM
- 도커
- Memorize
- Jekyll and Hyde
- GOD
- some time ago
- #REST API
- #ApacheSpark
- aws #cloudfront
- Meow
- #TensorFlow
- #ELK Stack
- docker
- Badge
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |