在Jupyter Notebook中调用ML模型服务图像标题生成器

说明：写本文的目的主要是验证如何在Jupyter Notebook中通过API调用机器学习模型服务。

1、环境说明

CentOS7（部署在VMware Workstation Pro中的虚拟机）
需要安装有docker

2、前提条件：镜像准备

部署了图形检测服务的镜像：codait/max-image-caption-generator
Github地址：https://github.com/IBM/MAX-Image-Caption-Generator

该模型识别出COCO数据集中80个不同的高级对象类的图像中存在的对象。

部署了Jupyter服务的镜像：onnx/onnx-ecosystem
Github地址： https://github.com/onnx/onnx-docker/tree/master/onnx-ecosystem

由于CentOS中未安装jupyter，因此直接使用一个包含jupyter的镜像，在使用该镜像前使用了其它镜像，但是可能存在包安装不成功的问题。

3、启动镜像

docker run -it -p 5000:5000 codait/max-image-caption-generator

该容器提供的图像检测服务的地址为http://宿主机IP:5000/model/predict

docker run -p 8888:8888 onnx/onnx-ecosystem

4、在Notebook中调用图像检测服务

! pip install -q matplotlib Pillow requestsimport io
from PIL import Image
import matplotlib
from matplotlib import pyplot as plt
import matplotlib.patches as patches
import requestsdef call_model(input_img, local_port=None):"""Takes in input image file path, posts the image to the model and returns face bboxes and emotion predictionsIf local port is not specified, uses the long running instance.If local port is specificed, uses the local instance."""if local_port:url = 'http://192.168.64.242:'+ str(local_port)+'/model/predict'else:url = 'nothing'files = {'image': ('image.jpg', open(input_img, 'rb'), 'images/jpeg') }r = requests.post(url, files=files).json()return rimg_path = './dog'
image = Image.open(img_path)
imagemodel_response = call_model(img_path, 5000)import json
print(json.dumps(model_response, indent=2))

执行后生成的标题如下所示：

三个最大概率的标题基本含义都是“一只微笑的哈巴狗在滑板上”，可以看出成功检查到了狗狗和狗狗的表情，但是将地板识别为滑板。

{"status": "ok","predictions": [{"caption": "a small pug dog standing on a skateboard .","index": "0","probability": 0.0010022024578866463},{"caption": "a small pug dog standing on top of a skateboard .","index": "1","probability": 0.0006507893851378613},{"caption": "a small pug dog sitting on a skateboard .","index": "2","probability": 0.0005334585197032779}]
}

代码执行过程截图如下所示：

在Jupyter Notebook中调用ML模型服务图像标题生成器相关推荐

在Tensorflow中使用深度学习构建图像标题生成器
by Cole Murray 通过科尔·默里(Cole Murray) 在Tensorflow中使用深度学习构建图像标题生成器 (Building an image caption generator ...
【Python】（2022.07.03）在Jupyter Notebook中调用Stata17并绘制3D图展示回归结果的边际效应
文章目录背景介绍: 实现结果安装过程安装stata_setup包检查是否安装成功常见问题调用stata 常见问题 1. stata安装在哪 2. 返回报错:TypeError: init( ...
jupyter调用py文件_解决Jupyter notebook中.py与.ipynb文件的import问题
在jupyter notebook中,因为其解析文件的方式是基于json的,所以其默认保存的文件格式不是.py而是.ipynb.而.ipynb文件并不能简单的import进.py或者.ipynb文件中 ...
在Jupyter Notebook中实现图像检测服务的调用
1.环境说明 CentOS7(部署在VMware Workstation Pro中的虚拟机) 需要安装有docker 2.前提条件:镜像准备部署了图形检测服务的镜像:codait/max-objec ...
python中两个文件如何互相传参_argparse模块如何在jupyter notebook中用于传参？
作者:于晨晨研究方向:nlp 发表于公众号:AI技术日常在python代码文件中,通常需要传参,传参就需要经常使用argparse.使用argparse模块在py文件中是正常的,但是jupyter ...
Jupyter notebook中自定义支持天软TSl语言的魔术命令
自定义支持TSL的魔术命令前言功能使用范例核心代码相关链接前言越来越习惯在jupyter notebook中进行数据分析,但是平时也离不开天软TSL,频繁在两者之间切换了切换去也麻烦,在 ...
Python 基础之 jupyter notebook 中机器学习的简单入门书写数字识别 demo 操作学习
Python 基础之 jupyter notebook 中机器学习的简单入门书写数字识别 demo 操作学习目录 Python 基础之 jupyter notebook 中机器学习的简单入门书写 ...
python非线性最小二乘拟合_非线性函数的最小二乘拟合——兼论Jupyter notebook中使用公式 [原创]...
突然有个想法,利用机器学习的基本方法--线性回归方法,来学习一阶rc电路的阶跃响应,从而得到rc电路的结构特征--时间常数τ(即r*c).回答无疑是肯定的,但问题是怎样通过最小二乘法.正规方程,以更多 ...
Jupyter lab add kernel Python+Julia+R 【jupyter Notebook 切换Python环境】and【在jupyter Notebook中安装第三方库】
新增虚拟环境 conda create -n py2 python=2.7 进入python2的环境 conda activate py2 安装python2的内核并应用 python2 -m pip ...

在Jupyter Notebook中调用ML模型服务图像标题生成器

在Jupyter Notebook中调用ML模型服务图像标题生成器相关推荐

最新文章

热门文章