总结
托管在 Machine Learning eXchange 上的 IBM Model Asset eXchange (MAX) 模型 (https://ml-exchange.org/models/）让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 展示了如何创建一个简单的 Web 应用程序来可视化 MAX 模型的文本输出。 该网络应用程序使用 物体检测器 来自 MAX 并创建一个简单的 Web UI，显示图像中检测到的对象周围的边界框，并允许您根据对象的标签和模型给出的可能精度来过滤对象。
课程描述
此 Code Pattern 使用 Model Asset eXchange 中的模型之一，您可以在该交易所中找到并试验开源深度学习模型。 具体来说，它使用对象检测器创建一个 Web 应用程序，该应用程序可以识别图像中的对象，并允许您根据检测到的标签和预测准确性来过滤对象。 Web 应用程序提供了一个交互式用户界面，由使用 Express 的轻量级 Node.js 服务器支持。 服务器托管客户端 Web UI，并将对模型的 API 调用从 Web UI 中继到模型的 REST 端点。 Web UI 接收图像并通过服务器将其发送到模型 REST 端点，并在 UI 上显示检测到的对象。 该模型的 REST 端点是使用 MAX 上提供的 Docker 映像设置的。 Web UI 使用边界框和标签在图像中显示检测到的对象，并包含一个工具栏，用于根据检测到的对象的标签或预测精度阈值来过滤检测到的对象。
完成此代码模式后，您将了解如何：
- 构建 Object Detector MAX 模型的 Docker 映像
- 使用REST端点部署深度学习模型
- 使用 MAX 模型的 REST API 识别图像中的对象
- 运行使用模型的REST API的Web应用程序
自动化流程
- 用户使用 Web UI 将图像发送到模型 API。
- 模型 API 返回对象数据，Web UI 显示检测到的对象。
- 用户与 Web UI 交互以查看和过滤检测到的对象。
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.
