No soy profesional, pero tengo entendido que hacer el llamado a la predicci贸n directamente desde Flask es mala pr谩ctica, porque consume recursos de forma innecesariamente.
por ejemplo cada vez que se ejecuta la l铆nea sc = smartcities() est谩s cargando un modelo nuevo el costo de esa sola l铆nea en producci贸n es muy alto, teniendo en cuenta que entre m谩s existoso sea tu producto (m谩s llamadas al servicio) mayor es el costo computacional, esto lo puedes resolver sacando esta l铆nea del m茅todo y convertirlo en atributo de la clase, por otro lado llamar al m茅todo predict() del modelo no es eficiente en producci贸n, TensorFlow recomienta usar TensorFlow Serving (Docker) o incluso en el mismo GCP puedes gestionar tus modelos sin siquiera manejar Docker, lo que es mucho m谩s eficiente y escalable.
Comprender la visi贸n computarizada
驴Por qu茅 aprender computer vision?
驴Qu茅 es la visi贸n computarizada?
Tipos de visi贸n computarizada
Introducci贸n a object detection: clasificaci贸n + localizaci贸n
Aprende a identificar problemas
Dimensionamiento de proyecto de visi贸n computarizada
C贸mo definir los tiempos de tu proyecto
C贸mo costear tu proyecto
C贸mo identificar los roles necesarios en el proyecto
Producto m铆nimo viable en computer vision
Obtenci贸n y procesamiento de los datos
Obtenci贸n de datos para tu proyecto
Limpieza de la base de datos
Distribuci贸n de datos en entrenamiento y testeo
Etiquetado de los datos de test
Etiquetado de los datos de train
Transforma tu base de datos a TFRecord
Transformar CSV a TFRecord
Entrena, testea y optimiza tus modelos
Librer铆as a importar durante fase de entrenamiento
Fase de entrenamiento del modelo
Balanceo de im谩genes y data augmentation
Entrena, evalua y optimiza con TensorBoard
Validaci贸n de modelo en un entorno de ejecuci贸n
Re-entrenamiento del modelo para obtener mejores resultados
Seguimiento de centroides con OpenCV
Configuraci贸n de los centroides con OpenCV
Algoritmo de direcci贸n y conteo con OpenCV
Crea un ciclo de entrenamiento de tu modelo: MLOps
Producto con visi贸n computarizada en producci贸n
Prepara tu entorno en Google Cloud Platform
Carga y preprocesamiento de modelos
Postprocesamiento de modelos
Despliega y consume tu modelo en producci贸n
Bonus: aprende a apagar las m谩quinas de GCP para evitar sobrecostos
Siguientes pasos en inteligencia artificial
Siguientes pasos en inteligencia artificial
A煤n no tienes acceso a esta clase
Crea una cuenta y contin煤a viendo este curso
Si ya tienes una cuenta,
Iniciar sesi贸nPostprocesamiento de modelos
29/32Aportes 1
Preguntas 1
驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesi贸n.