总结
引入 IBM Model Asset eXchange (MAX)，托管在 机器学习交流中心 使没有数据科学经验的应用程序开发人员可以轻松访问预构建的机器学习模型。此 Code Pattern 展示了创建利用 MAX 模型的 Web 应用程序是多么简单。该 Web 应用程序使用 MAX 的图像标题生成器并创建一个简单的 Web UI，让您可以根据模型给出的描述过滤图像。
课程描述
根据 IBM 的一项研究，每天都会创建 2.5 万亿字节的数据。其中许多数据是非结构化数据，例如大文本、录音和图像。要对数据执行有用的操作，必须首先将其转换为结构化数据。
此 Code Pattern 使用 Model Asset Exchange 中的模型之一，开发人员可以在该交易所找到并试验开源深度学习模型。具体来说，它使用 图像标题生成器 创建一个为图像添加标题并允许您过滤基于图像的图像内容的 Web 应用程序。 Web 应用程序提供了一个交互式用户界面，该界面由使用 Tornado 的轻量级 Python 服务器支持。服务器通过 UI 获取图像，将它们发送到模型的 REST 端点，并在 UI 上显示生成的标题。该模型的 REST 端点是使用 MAX 上提供的 Docker 映像设置的。 Web UI 显示为每个图像生成的标题以及交互式文字云，以根据标题过滤图像。
完成此代码模式后，您将了解如何：
- 使用REST端点部署深度学习模型
- 使用 MAX 模型的 REST API 生成图像的说明文字
- 运行使用模型的REST API的Web应用程序
自动化流程
- 服务器将默认图像发送到模型 API 并接收标题数据。
- 用户与包含默认内容的 Web UI 进行交互并上传图像。
- Web UI 向服务器请求图像的标题数据，并在数据返回时更新内容。
- 服务器将图像发送到模型 API 并接收标题数据以返回到 Web UI。
说明
准备使用此代码模式了吗？ 有关如何开始运行和使用此应用程序的完整详细信息，请参见 读我.
