4、深度学习工具与应用部署指南

深度学习工具与应用部署指南

1. AI应用部署示例

在进行AI应用部署时，可按照以下步骤操作：
1. 配置容器注册表。
2. 构建所需镜像。
3. 创建Helm overrides.yaml文件。
4. 使用Helm进行安装。

不同用户（农场主、农业工人、番茄销售店、番茄买家）可访问网站了解番茄田情况，尽管目的不同，但数据相同。Web浏览器可直接访问MQTT服务。边缘原生应用每分钟对农田进行轮询以获取新数据，数据会被推送到MQTT代理。用户订阅MQTT服务，并将所有新数据发送到数据库。一旦有新数据，系统会计算给定农田中番茄作物的当前状态并发布。

2. IP网络实时审计

Kanshi是一款利用深度学习网络对IP网络进行实时审计的应用程序。其早期版本和源代码可在GitHub上获取，教程章节提供了详细的工作流程，对于学习者或专家在短时间内尝试深度学习应用非常有用。更重要的是，该教程大多基于无代码方式。Google Drive幻灯片中提供了带有截图的工作流程，过去很多人使用此流程学习在物联网边缘部署深度学习。

3. 深度学习所需工具集的虚拟环境

virtualenv是创建独立Python环境的工具。它会创建一个文件夹，其中包含Python项目所需的所有必要可执行文件和包。虚拟环境为每个项目提供了独立的工具链，用于应用程序的开发和部署。
例如，在一台机器上可能部署了多个应用程序，每个应用程序可能需要不同版本的库或包。假设库A有A1和A2两个版本，应用程序J1使用A1，J2使用A2，此时就需要同时保留这两个版本。但在同一项目中同时保留这两个版本可能会导致问题。

<