Wdrażanie przeszkolonych modeli sieci neuronowych w aplikacjach webowych

• Autorzy: Bistroń Marta

Identyfikatory

DOI

10.15199/13.2022.6.1

Warianty tytułu

EN

Implementation of trained neural network models in Web applications

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano krótko architekturę oraz zasadę działania sieci neuronowych. Omówiono również szczegóły związane z programowaniem sieci neuronowych z wykorzystaniem języka Python oraz wybranych frameworków wspierających głębokie uczenie i projektowanie algorytmów AI. W dalszej części artykułu omówiony zostały proces wdrażania gotowego, wytrenowanego modelu sieci neutronowej w środowisku produkcyjnym aplikacji webowej, w której komunikacja z modelem sieci neuronowej przebiega zgodnie ze schematem Klient-Serwer. Wyjaśniona została idea tworzenia interfejsu API oraz ograniczenia architektoniczne specyfikacji REST-API. W ostatnim podrozdziale omówiono proces konteneryzacji modułu sieci neuronowej do postaci samodzielnej z wykorzystaniem środowisk Docker i Docker Compose.

EN

The article briefly describes the architecture and principle of operation of neural networks. Details related to programming neural networks using Python and selected frameworks supporting deep learning and designing AI algorithms were also discussed. The next part of the article discusses the process of implementing a ready, trained neural network model in the production environment of a web application, in which communication with the neural network model follows the Client-Server scheme. The idea of creating an API interface and the architectural limitations of the REST-API specification were explained. The last section discuss- es the process of containerization of a neural network module into a stand-alone form using the Docker and Docker Compose environments.

Słowa kluczowe

PL

sieci neuronowe; głębokie uczenie; Python; Docker; REST API

EN

neural networks; deep learning; Python; Docker; REST API

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2022
• Tom: Vol. 63, Nr 6
• Strony: 7--11
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Bistroń Marta

• Wydział Elektroniki, Wojskowa Akademia Techniczna

Bibliografia

• [1] Bernard E. (2021), ‘Introduction to Machine Learning,’ Wolfram Media.
• [2] McCulloch W.S. and Pitts W. (1943), ‘A logical calculus of the ideas immanent in nervous activity,’ Bulletin of Mathematical Biophysics 5, 115-133, https://doi.org/10.1007/BF02478259.
• [3] Dokumentacja języka Python, https://docs.python.org/3/.
• [4] Pang A. (2021), ‘REST Architectural Constraints,’ https://medium.com/geekculture/rest-architectural-constraints-495a50ae0651.
• [5] Microsoft, ‘Kontenery, obrazy i rejestry platformy Docker,’ https://docs.microsoft.com/pl-pl/dotnet/architecture/microservices/con-tainer-docker-introduction/docker-containers-images-registries.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).