cube-studio/aihub/deep-learning

视频教程 快速入门

开发者：开发新的AI应用

新建应用目录（可直接复制参考app1应用），在新应用目录下新建init.sh Dockerfile app.py文件，

其中

• Dockerfile为镜像构建
• init.sh位初始化脚本
• app.py为应用启动(训练/推理/服务)，需要补齐Model类的基础参数
• 其他自行添加配套内容

镜像调试，基础镜像为conda环境。先使用如下命令启动基础环境进入容器

ccr.ccs.tencentyun.com/cube-studio/aihub:base-python3.9 为conda，python3.9环境

ccr.ccs.tencentyun.com/cube-studio/aihub:base-python3.8 为conda，python3.8环境

ccr.ccs.tencentyun.com/cube-studio/aihub:base-python3.6 为conda，python3.6环境

ccr.ccs.tencentyun.com/cube-studio/aihub:base 无python环境

ccr.ccs.tencentyun.com/cube-studio/aihub:base-cuda11.4 无python环境

# 进入模型应用
# 获取当前项目名作为应用名
aiapp=$(basename `pwd`)
cube_dir=($(dirname $(dirname "$PWD")))
chmod +x $cube_dir/src/docker/entrypoint.sh
sudo docker run --name ${aiapp} --privileged -it -e APPNAME=$aiapp -e NVIDIA_VISIBLE_DEVICES=all -v $cube_dir/src:/src -v $PWD:/app -p 80:80 -p 8080:8080 --entrypoint='/src/docker/entrypoint.sh' ccr.ccs.tencentyun.com/cube-studio/aihub:base-python3.9 bash 

如果需要使用gpu调试

docker 1.19.3以前，需要安装NVIDIA-docker2
sudo docker run --name ${aiapp} --privileged -it --runtime=nvidia  -e APPNAME=$aiapp -e NVIDIA_VISIBLE_DEVICES=all -v $cube_dir/src:/src -v $PWD:/app -p 80:80 -p 8080:8080 --entrypoint='/src/docker/entrypoint.sh' ccr.ccs.tencentyun.com/cube-studio/aihub:base-python3.9 bash 
docker 1.19.3以后，
sudo docker run --name ${aiapp} --privileged -it --gpu=0  -e APPNAME=$aiapp -e NVIDIA_VISIBLE_DEVICES=all -v $cube_dir/src:/src -v $PWD:/app -p 80:80 -p 8080:8080 --entrypoint='/src/docker/entrypoint.sh' ccr.ccs.tencentyun.com/cube-studio/aihub:base-python3.9 bash 

补全init.sh环境脚本。

# init.sh 脚本会被复制到容器/根目录下，环境文件不要放置在容器/app/目录下，不然会被加载到git
cp init.sh /init.sh && bash /init.sh

补齐app.py，运行调试

python app.py

生成aiapp的镜像

aiapp=$(basename `pwd`)
docker build -t ccr.ccs.tencentyun.com/cube-studio/aihub:${aiapp}  .

用户：部署体验应用

首先需要部署docker

# 获取当前项目名作为应用名
aiapp=$(basename `pwd`)
cube_dir=($(dirname $(dirname "$PWD")))
chmod +x $cube_dir/src/docker/entrypoint.sh
sudo docker run --name ${aiapp} --privileged --rm -it -e APPNAME=$aiapp -v $cube_dir/src:/src -v $PWD:/app -p 80:80 -p 8080:8080 --entrypoint='/src/docker/entrypoint.sh' ccr.ccs.tencentyun.com/cube-studio/aihub:${aiapp} python app.py 

如果是gpu服务

docker 1.19.3以前，需要安装NVIDIA-docker2
sudo docker run --name ${aiapp} --privileged --rm -it --runtime=nvidia  -e APPNAME=$aiapp -v $cube_dir/src:/src -v $PWD:/app -p 80:80 -p 8080:8080 --entrypoint='/src/docker/entrypoint.sh' ccr.ccs.tencentyun.com/cube-studio/aihub:${aiapp} python app.py 
docker 1.19.3以后，
sudo docker run --name ${aiapp} --privileged --rm -it --gpu=0  -e APPNAME=$aiapp -v $cube_dir/src:/src -v $PWD:/app -p 80:80 -p 8080:8080 --entrypoint='/src/docker/entrypoint.sh' ccr.ccs.tencentyun.com/cube-studio/aihub:${aiapp} python app.py 

此目录包含大量开源深度学习算法，包括但不限于

机器视觉

图像分类

二分类

• SVM

多类别分类：

• LetNet
• AlexNet
• VGGNet系列
• GoogLeNet
• ResNet系列
• Inception系列
• DenseNet系列

多标签分类：

• R-CNN&LSTM

图像分割

• 普通分割：阈值处理分割、k-means聚类、基于直方图、边缘检测、GrabCut算法

• 语义分割：

• 实例分割：FCN、DeepLab、Pyramid Scene Parsing Network、Mask R-CNN、U-Net

图像生成与转换

• 变分自编码器（VAE）：FCN-U-NET

• 生成对抗网络（GAN）：DCGAN

animegan

• 有监督图像转换：CGAN、pix2pix

• 无监督图像转换：cycleGAN

stable-diffusion

目标检测

• 基于区域提取两阶段: R-CNN、SPP-Net、FAST R-CNN、FASTER R-CNN

• 基于回归单阶段: YOLO系列、SSD

目标跟踪

• VOT系列

视频分析

图像重构（图像修复）

• Context Encoder
• MSNPS
• GLCIC
• Shift-Net
• DeepFill
• GMCNN
• PartialConv
• EdgeConnect

超分辨率

• SRCNN

风格迁移

• VGG系列

人体姿态估计

• opecv&mediapipe

ocr

paddleocr

ddddocr

图像检索

图像识别

人脸识别

无人驾驶

手势识别