锅炉水冷壁管缺陷识别与检测系统技术概述
1 LibTorch 模型部署
现有的深度学习框架有很多(如 PyTorch,TensorFlow、Caffa),TensorFlow和 PyTorch 是目前主流的深度学习框架,TensorFlow 框架可以灵活的应用于较大规模的产品,容易进行工程化的部署。但是受制于静态图,使得采用动态图的PyTorch 框架成为最受欢迎的深度学习框架,还有着灵活的构建、训练网络模型,很多集成化的工具,使得调试非常简单。
采用 PyTorch 训练 ResNet101 缺陷分类识别模型和 YOLOV5 缺陷目标检测模型,采用 PyTorch 框架的内置函数,将训练好的模型转换成 c++可读取的模型,用 c++去推理,这就是 LibTorch 模型部署的方式,可以提高系统运行的稳定性,提升推理的速度。
2 Docker 部署系统
Docker 容器技术具有以下几点优势,使得部署整个系统更加方便、快捷、稳定。
(1)对系统资源高效的利用
(2)快速的启动时间
(3)开发和部署一致的环境
(4)持续快速的部署
(5)更简单的迁移
(6)更加容易的维护和扩展
3 轻量级服务器框架 Tornado
Tornado 是由 python 语言编写的轻量级服务器框架,具有性能优越,速度快,高并发,内嵌了 HTTP 服务器的优点。Tornado 单线程的异步网络程序,默认启动时根据 CPU 数量运行多个实例,可以利用 CPU 多核的优势。从实际的需求出发,采用高性能、轻量级的 Tornado 服务器框架。
微信公众号:人工智能感知信息处理算法研究院
知乎主页:AI高级人工智能