3、深度学习系统设计与实践

深度学习系统设计与实践

1. 深度学习系统基础操作与案例

在深度学习实践中，有一些基础的操作和案例值得我们关注。例如，可以运行 scripts/lab - 003 - first - training.sh 脚本来一次性执行相关 API 请求。在模型服务阶段，以构建聊天机器人为例，应用开发者 Johanna 想要使用新训练的意图分类模型对客户问题进行分类。当被告知模型可用后，Johanna 会向预测服务发送预测请求来测试新模型。预测服务会自动加载模型，在请求中，Johanna 需要指定模型 ID（runId）和待分类的文本消息。以下是一个 gRPC 预测请求的示例：

grpcurl -plaintext \
  -d "{ 
    \"runId\": \"1\", 
    \"document\": \"You can have a certain #arrogance, and I think that's fine, but what 
you should never lose is the #respect for the others.\" 
  }" \
  localhost:6001 prediction.PredictionService/Predict

响应消息会返回预测的类别，示例如下：

{ 
  "response": "{\"result\": \"joy\"}" 
}

此外，还有进一步的练习。假设聊天机器人发布成功后，需要支持新的类别“乐观”，这就需要重新训练当前的意图分类模型。此时，Feng 需要收集带有“乐观”