2.5 KiB
2.5 KiB
Введение
Фреймворк решает проблему размещения проектов в сфере искусственного интеллекта в виде веб-сервисов.
В частности:
- "Живая" демонстрация работы проекта на любых совместимых данных через веб-сервис
- Запуск вычислительных экспериментов и их организация
- Управление пользователями, ограничение доступа
Размещаемые проекты
Чтобы существующий проект мог быть подключен к фреймворку, в нём должна быть выделена задача с явно заданными входными и выходными данными: "получить данные A, B и C, произвести вычисления, вывести данные X, Y и Z".
- Хороший пример - оптическое распознавание символов. На входе изображение, на выходе текст с этого изображения.
- Плохой пример - приложение с базой данных, где основные взаимодействия с приложением регулярно обновляют эту базу данных.
- Хороший пример - вычислительная подзадача, которая выполняется на выборке из базы данных. На входе выборка, на выходе результат вычислений.
- Плохой пример - набор Jupyter-тетрадей, в которых задачи решаются последовательным вызовом ячеек с кодом.
- Хороший пример - тот же код, оформленный в виде скрипта
.py.
- Хороший пример - тот же код, оформленный в виде скрипта
Фреймворк предоставляет два варианта организации вычислительных задач:
- Веб-сервис для быстрых синхронных вычислений - MLComponent
- Асинхронный запуск вычислительных экспериментов - ExperimentPipeline
Как правило, если вычислительная задача требует доли секунды для выполнения, её уместно организовывать как ML-компонент, иначе - пайплайн.