Deploying a Pytorch Computer Vision Model API to Heroku
Build a PyTorch computer vision model REST API with Flask.
Deploy PyTorch computer vision model REST API to Heroku.
Welcome to the “Deploying a Pytorch Computer Vision Model API to Heroku” guided project. Computer vision is one of the prominent fields of AI with numerous applications in the real world including self-driving cars, image recognition, and object tracking, among others. The ability to make models available for real-world use is an essential skill anyone interested in AI engineering should have especially for computer vision and this is why this project exists. In this project, we will deploy a Flask REST API using one of Pytorch's pre-trained computer vision image classification models. This API will be able to receive an image, inference the pre-trained model, and return its predicted classification. This project is an intermediate python project for anyone interested in learning about how to productionize Pytorch computer vision models in the real world via a REST API on Heroku. It requires preliminary knowledge on how to build and train PyTorch models (as we will not be building or training models), how to utilize Git and a fundamental understanding of REST APIs. Learners would also need a Heroku account and some familiarity with the Python Flask module and the Postman API Platform. At the end of this project, learners will have a publicly available API they can use to demonstrate their knowledge in deploying computer vision models.
Kompetenzen, die Sie erwerben werden
- Machine Learning
- Python Programming
- pytorch
- Machine Learning Deployment
- Computer Vision
Schritt für Schritt lernen
In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:
Import all the necessary libraries.
Build a PyTorch computer vision model REST API with Flask.
Build a simple flask web server.
Test out PyTorch computer vision model REST API localhost end point.
Deploy PyTorch computer vision model REST API to Heroku
Test out PyTorch computer vision model REST API Heroku end point.
Capstone Practice
Ablauf angeleiteter Projekte
Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich
Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.
Häufig gestellte Fragen
Häufig gestellte Fragen
Was bekomme ich, wenn ich ein angeleitetes Projekt kaufe?
Sind angeleitete Projekte auf dem Desktop und auf Mobilgeräten verfügbar?
Wer sind die Dozenten bei angeleiteten Projekten?
Kann ich die Arbeit aus meinem angeleiteten Projekt herunterladen, nachdem ich sie abgeschlossen habe?
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Kann ich ein angeleitetes Projekt auditieren und den Videoteil kostenlos anschauen?
Wie viel Erfahrung brauche ich für dieses angeleitete Projekt?
Kann ich dieses angeleitete Projekt direkt über meinen Webbrowser abschließen, anstatt spezielle Software zu installieren?
Wie ist die Lernerfahrung bei angeleiteten Projekten?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
Coursera Footer
