使用 CNTK實作即時物件辨識
2 min readMar 20, 2018
難易度為：★★★☆☆ (中等)
此篇文章是在講解如何使用 Azure DSVM、Microsoft CNTK 、FasterRCNN 與 Docker 的整合應用，快速建構物件辨識服務。
在此篇不會介紹 CNTK、FasterRCNN 等訓練原理，這應該會另外寫成很多篇文章。此篇只專注在工具準備、訓練、啟動、難疑排解。
此環境建立在 DSVM (Data Science Virtual Machine)中的一個分支 DLVM (Deep Learning Virtual Machine)上，因此需要在 Azure 上開啟該虛擬服務。理論上這個實作可以於一般 GPU電腦或虛擬主機，如果你成功在其他平台建構此服務，歡迎您與我分享成效
# 目錄：
# 在這個專案中
- DataSets 放置自訂的資料集，若以 VoTT 建立資料集者，必須按這規則
- Detection 為主要程式所在位置，若您需要修改，必須重新建置Dockerfile，或直接掛載該資料夾到相同位置
- PretrainedModels 預訓練模型放置所在位置
- configs 相關訓練參數、訓練網路、資料集、主要參數設定
- web 放置 Demo 用的網頁
- Dockerfile 編譯此服務的映像檔案
- docker-compose.yml.j2 使用 nvidia-docker-compose 啟動服務用的參數、環境等設定
