{"id":89110,"date":"2020-07-18T19:42:10","date_gmt":"2020-07-18T17:42:10","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/obshhij-obzor-arhitektury-servisa-dlya-oczenki-vneshnosti-na-osnove-nejronnyh-setej"},"modified":"2020-07-18T19:42:10","modified_gmt":"2020-07-18T17:42:10","slug":"obshhij-obzor-arhitektury-servisa-dlya-oczenki-vneshnosti-na-osnove-nejronnyh-setej","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sk\/blog\/administrirovanie\/obshhij-obzor-arhitektury-servisa-dlya-oczenki-vneshnosti-na-osnove-nejronnyh-setej","title":{"rendered":"Celkov\u00fd preh\u013ead architekt\u00fary slu\u017eby na hodnotenie vzh\u013eadu na z\u00e1klade neur\u00f3nov\u00fdch siet\u00ed","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Celkov\u00fd<\/p>\n

\u00davod<\/h2>\n

<\/p>\n

Ahoj!<\/p>\n

<\/p>\n

V tomto \u010dl\u00e1nku sa podel\u00edm o sk\u00fasenosti s vytv\u00e1ran\u00edm mikroservisnej architekt\u00fary pre projekt vyu\u017e\u00edvaj\u00faci neur\u00f3nov\u00e9 siete.<\/p>\n

<\/p>\n

Porozpr\u00e1vame sa o po\u017eiadavk\u00e1ch na architekt\u00faru, pozrieme sa na r\u00f4zne \u0161truktur\u00e1lne diagramy, rozoberieme ka\u017ed\u00fa zlo\u017eku hotovej architekt\u00fary a tie\u017e zhodnot\u00edme technick\u00e9 metriky rie\u0161enia.<\/p>\n

<\/p>\n

Pr\u00edjemn\u00e9 \u010d\u00edtanie!<\/p>\n

<\/a><\/noindex><\/p>\n

P\u00e1r slov o \u00falohe a jej rie\u0161en\u00ed<\/h2>\n

<\/p>\n

Hlavn\u00e1 my\u0161lienka \u2013 na z\u00e1klade fotografie pos\u00fadi\u0165 atraktivitu osoby na desiatichbodu \u0161k\u00e1le.<\/p>\n

<\/p>\n

V tomto \u010dl\u00e1nku sa odklonieme od opisu ako pou\u017e\u00edvan\u00fdch neur\u00f3nov\u00fdch siet\u00ed, tak aj procesu pr\u00edpravy d\u00e1t a u\u010denia. V jednej z nasleduj\u00facich publik\u00e1ci\u00ed sa v\u0161ak ur\u010dite vr\u00e1time k rozboru pipeline hodnotenia na hlb\u0161ej \u00farovni.<\/p>\n

<\/p>\n

Teraz sa na vysokej \u00farovni prejdeme cez pipeline hodnotenia, pri\u010dom sa zameriame na interakciu mikroservisov v kontexte celkovej architekt\u00fary projektu.\u00a0<\/p>\n

<\/p>\n

Pri pr\u00e1ci na pipeline hodnotenia atraktivity bola \u00faloha rozlo\u017een\u00e1 na nasleduj\u00face zlo\u017eky:<\/p>\n

<\/p>\n

    \n
  1. Detekcia tv\u00e1r\u00ed na fotografi\u00e1ch<\/li>\n
  2. Hodnotenie ka\u017ed\u00e9ho z tv\u00e1r\u00ed<\/li>\n
  3. Renderovanie v\u00fdsledku<\/li>\n<\/ol>\n

    <\/p>\n

    Prv\u00fd probl\u00e9m sa rie\u0161i pomocou predtr\u00e9ovan\u00e9ho MTCNN<\/a><\/noindex>. Pre druh\u00fd bol tr\u00e9novan\u00fd konvolu\u010dn\u00fd neur\u00f3nov\u00fd sie\u0165 na PyTorch, pri\u010dom ako backbone bol pou\u017eit\u00fd ResNet34<\/a><\/noindex> \u2013 z poh\u013eadu \"kvalita \/ r\u00fdchlos\u0165 inferencie na CPU\".<\/p>\n

    \n\"Celkov\u00fd<\/p>\n

    Funk\u010dn\u00fd diagram pipeline hodnotenia<\/i><\/p>\n

    <\/p>\n

    Anal\u00fdza po\u017eiadaviek na architekt\u00faru projektu<\/h2>\n

    <\/p>\n

    V \u017eivotnom cykle ML<\/a><\/noindex> projektu s\u00fa f\u00e1zy pr\u00e1ce na architekt\u00fare a automatiz\u00e1cii nasadenia modelu \u010dasto jedn\u00fdmi z najn\u00e1kladnej\u0161\u00edch na \u010das a zdroje.<\/p>\n

    \n\"Celkov\u00fd<\/p>\n

    \u017divotn\u00fd cyklus ML projektu<\/i><\/p>\n

    <\/p>\n

    Tento projekt nie je v\u00fdnimka \u2013 bolo prijat\u00e9 rozhodnutie obali\u0165 pipeline hodnotenia do online slu\u017eby, preto bolo potrebn\u00e9 prenikn\u00fa\u0165 do architekt\u00fary. Boli stanoven\u00e9 nasleduj\u00face z\u00e1kladn\u00e9 po\u017eiadavky:<\/p>\n

    <\/p>\n

      \n
    1. Jednotn\u00e9 \u00falo\u017eisko logov \u2013 v\u0161etky slu\u017eby by mali zapisova\u0165 logy na jedno miesto, malo by sa da\u0165 pohodlne analyzova\u0165.<\/li>\n
    2. Mo\u017enos\u0165 horizont\u00e1lneho \u0161k\u00e1lovania slu\u017eby hodnotenia \u2014 ako najpravdepodobnej\u0161\u00ed bottleneck.<\/li>\n
    3. Na hodnotenie ka\u017ed\u00e9ho obr\u00e1zka by malo by\u0165 vyhraden\u00e9 rovnak\u00e9 mno\u017estvo procesorov\u00fdch zdrojov \u2014 aby sa predi\u0161lo odch\u00fdlkam v distrib\u00facii \u010dasu na inferenciu.<\/li>\n
    4. R\u00fdchle (pre)nasadenie ako konkr\u00e9tnych slu\u017eieb, tak aj stacku ako celku.<\/li>\n
    5. Mo\u017enos\u0165, ak je to potrebn\u00e9, vyu\u017e\u00edva\u0165 v r\u00f4znych slu\u017eb\u00e1ch spolo\u010dn\u00e9 objekty.<\/li>\n<\/ol>\n

      <\/p>\n

      Architekt\u00fara<\/h2>\n

      <\/p>\n

      Po anal\u00fdze po\u017eiadaviek sa uk\u00e1zalo, \u017ee mikroservisn\u00e1 architekt\u00fara sa takmer dokonale hod\u00ed.<\/p>\n

      <\/p>\n

      Aby sme sa zbavili zbyto\u010dn\u00fdch probl\u00e9mov, bol vybran\u00fd Telegram API ako front-end.<\/p>\n

      <\/p>\n

      Na za\u010diatku si pozrieme \u0161truktur\u00e1lny diagram hotovej architekt\u00fary, potom prejdeme k popisu ka\u017ed\u00e9ho z komponentov, a taktie\u017e formalizujeme proces \u00faspe\u0161n\u00e9ho spracovania obr\u00e1zku.<\/p>\n

      \n\"Celkov\u00fd<\/p>\n

      \u0160truktur\u00e1lny diagram hotovej architekt\u00fary<\/i><\/p>\n

      <\/p>\n

      Podrobnej\u0161ie sa porozpr\u00e1vame o ka\u017edom z komponentov diagramu, ozna\u010d\u00edme ich Single Responsibility v procese hodnotenia obr\u00e1zku.<\/p>\n

      <\/p>\n

      Mikroslu\u017eba \u201eattrai-telegram-bot\u201c<\/h3>\n

      <\/p>\n

      T\u00e1to mikroslu\u017eba inkapsuluje v\u0161etky interakcie s Telegram API. M\u00f4\u017eeme vy\u010dleni\u0165 2 hlavn\u00e9 scen\u00e1re \u2013 pr\u00e1ca s u\u017e\u00edvate\u013esk\u00fdm obr\u00e1zkom a pr\u00e1ca s v\u00fdsledkom pipeline hodnotenia. Rozoberieme oba scen\u00e1re vo v\u0161eobecnosti.<\/p>\n

      <\/p>\n

      Pri prijat\u00ed u\u017e\u00edvate\u013eskej spr\u00e1vy s obr\u00e1zkom:<\/p>\n

      <\/p>\n

        \n
      1. Prebieha filtrovanie, ktor\u00e9 sa sklad\u00e1 z nasleduj\u00facich kontrol:\n