{"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\/sv\/blog\/administrirovanie\/obshhij-obzor-arhitektury-servisa-dlya-oczenki-vneshnosti-na-osnove-nejronnyh-setej","title":{"rendered":"\u00d6versikt \u00f6ver tj\u00e4nstens arkitektur f\u00f6r utv\u00e4rdering av utseendet baserat p\u00e5 neurala n\u00e4tverk","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"\u00d6versikt<\/p>\n

Inledning<\/h2>\n

<\/p>\n

Hej!<\/p>\n

<\/p>\n

I denna artikel kommer jag att dela med mig av erfarenheter av att bygga en mikrotj\u00e4nstarkitektur f\u00f6r ett projekt som anv\u00e4nder neurala n\u00e4tverk.<\/p>\n

<\/p>\n

Vi kommer att diskutera kraven p\u00e5 arkitekturen, titta p\u00e5 olika strukturella diagram, g\u00e5 igenom var och en av komponenterna i den f\u00e4rdiga arkitekturen samt bed\u00f6ma de tekniska metrikserna f\u00f6r l\u00f6sningen.<\/p>\n

<\/p>\n

Trevlig l\u00e4sning!<\/p>\n

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

N\u00e5gra ord om uppgiften och dess l\u00f6sning<\/h2>\n

<\/p>\n

Huvudid\u00e9n \u00e4r att ge en bed\u00f6mning av en persons attraktivitet baserat p\u00e5 ett foto p\u00e5 en tiogradig skala.<\/p>\n

<\/p>\n

I denna artikel kommer vi att avvika fr\u00e5n att beskriva b\u00e5de de anv\u00e4nda neurala n\u00e4tverken och processen f\u00f6r dataf\u00f6rberedelse och inl\u00e4rning. Men i en av kommande publikationer kommer vi definitivt att \u00e5terkomma till att analysera pipelinen f\u00f6r bed\u00f6mning p\u00e5 en djupare niv\u00e5.<\/p>\n

<\/p>\n

Just nu kommer vi p\u00e5 en \u00f6vergripande niv\u00e5 att g\u00e5 igenom pipelinen f\u00f6r bed\u00f6mning och vi kommer att fokusera p\u00e5 interaktionen mellan mikrotj\u00e4nster i kontexten av projektets \u00f6vergripande arkitektur.\u00a0<\/p>\n

<\/p>\n

N\u00e4r vi arbetade med pipelinen f\u00f6r att bed\u00f6ma attraktivitet, s\u00e5 delades uppgiften upp i f\u00f6ljande best\u00e5ndsdelar:<\/p>\n

<\/p>\n

    \n
  1. Utvinning av ansikten fr\u00e5n foton<\/li>\n
  2. Bed\u00f6mning av varje ansikte<\/li>\n
  3. Rendering av resultatet<\/li>\n<\/ol>\n

    <\/p>\n

    Den f\u00f6rsta l\u00f6ses med hj\u00e4lp av en f\u00f6rutbildad MTCNN<\/a><\/noindex>. F\u00f6r den andra tr\u00e4nades ett konvolutionsn\u00e4tverk p\u00e5 PyTorch, d\u00e4r en ResNet34<\/a><\/noindex> anv\u00e4ndes som backbone f\u00f6r att balansera \u2018kvalitet \/ hastighet p\u00e5 inferens p\u00e5 CPU\u2019<\/p>\n

    \n\"\u00d6versikt<\/p>\n

    Funktionsdiagram f\u00f6r bed\u00f6mningspipen<\/i><\/p>\n

    <\/p>\n

    Analys av kraven p\u00e5 projektets arkitektur<\/h2>\n

    <\/p>\n

    I livscykeln ML<\/a><\/noindex> f\u00f6r projektet \u00e4r faserna f\u00f6r att arbeta med arkitektur och automatisering av distribution av modellen ofta de mest tidskr\u00e4vande och resurskr\u00e4vande.<\/p>\n

    \n\"\u00d6versikt<\/p>\n

    Livscykel f\u00f6r ML-projekt<\/i><\/p>\n

    <\/p>\n

    Detta projekt \u00e4r inget undantag - beslutet togs att kapsla in bed\u00f6mningspipen i en online-tj\u00e4nst, f\u00f6r detta kr\u00e4vdes det att vi dykte ner i arkitekturen. f\u00f6ljande grundl\u00e4ggande krav anges:<\/p>\n

    <\/p>\n

      \n
    1. Enhetlig loggf\u00f6rvaring - alla tj\u00e4nster b\u00f6r skriva loggar p\u00e5 en och samma plats, de b\u00f6r vara l\u00e4tta att analysera<\/li>\n
    2. M\u00f6jlighet till horisontell skalning av bed\u00f6mningstj\u00e4nsten - som den mest troliga flaskhalsen<\/li>\n
    3. Samma m\u00e4ngd processorresurser ska tilldelas f\u00f6r varje bildbed\u00f6mning - f\u00f6r att undvika avvikelser i tidsf\u00f6rdelningen f\u00f6r inferens<\/li>\n
    4. Snabb (om) distribution av b\u00e5de specifika tj\u00e4nster och stacken som helhet<\/li>\n
    5. M\u00f6jlighet, om s\u00e5 beh\u00f6vs, att anv\u00e4nda gemensamma objekt i olika tj\u00e4nster<\/li>\n<\/ol>\n

      <\/p>\n

      Arkitektur<\/h2>\n

      <\/p>\n

      Efter att ha analyserat kraven st\u00e5r det klart att en mikrotj\u00e4nstarkitektur passar n\u00e4stan perfekt.<\/p>\n

      <\/p>\n

      F\u00f6r att undvika \u00f6verfl\u00f6dig huvudv\u00e4rk valdes Telegram API som frontend.<\/p>\n

      <\/p>\n

      Vi b\u00f6rjar med att titta p\u00e5 den strukturella diagrammet f\u00f6r den f\u00e4rdiga arkitekturen, d\u00e4refter g\u00e5r vi vidare till beskrivningen av varje komponent och formaliserar processen f\u00f6r framg\u00e5ngsrik bildbehandling.<\/p>\n

      \n\"\u00d6versikt<\/p>\n

      Det strukturella diagrammet f\u00f6r den f\u00e4rdiga arkitekturen<\/i><\/p>\n

      <\/p>\n

      L\u00e5t oss g\u00e5 in mer detaljerat p\u00e5 varje komponent i diagrammet och definiera deras Single Responsibility i processen f\u00f6r bildbed\u00f6mning.<\/p>\n

      <\/p>\n

      Mikrotj\u00e4nsten \u00abattrai-telegram-bot\u00bb<\/h3>\n

      <\/p>\n

      Denna mikrotj\u00e4nst kapslar in all interaktion med Telegram API. Tv\u00e5 huvudscenarier kan urskiljas \u2013 hantering av anv\u00e4ndarens bild och hantering av resultatet fr\u00e5n bed\u00f6mningspipeline. Vi g\u00e5r igenom b\u00e5da scenarierna i allm\u00e4nhet.<\/p>\n

      <\/p>\n

      Vid mottagning av ett anv\u00e4ndarmeddelande med en bild:<\/p>\n

      <\/p>\n

        \n
      1. Filtrering genomf\u00f6rs, som best\u00e5r av f\u00f6ljande kontroller:\n