1 总体概述
1.1 背景
1.2 术语定义
1.3 典型场景中AI落地挑战
1.4 ModelBox定义和价值
1.4.1 ModelBox定义
1.4.2 ModelBox价值
1.5 用户介绍
2 总体架构
2.1 在系统中的位置
2.2 运行框架架构
3 ModelBox框架能力及规范
3.1 开发与调试能力
3.1.1 API开发模式
3.1.2 图编排开发模式
3.1.2.1 图编排概念
3.1.2.2 图编排引擎
3.1.2.3 图编排开发与调试
3.1.2.4 图编排开发规范
3.1.2.4.1 图的编排规范
3.1.2.4.2 图的运行规范
3.1.3 功能单元开发
3.1.3.1 功能单元概念
3.1.3.2 基础功能单元库
3.1.3.3 功能单元开发与调试
3.1.3.4 功能单元开发规范
3.1.3.4.1 自定义功能单元开发规范
3.1.3.4.2 推理功能单元开发规范
3.1.4 服务插件开发
3.1.4.1 服务插件开发能力
3.1.4.2 服务插件开发规范
3.1.5 性能分析
3.2 部署与推理能力
3.2.1 AI应用打包
3.2.1.1 软件包格式
3.2.1.2 容器镜像格式
3.2.2 任务配置管理
3.2.2.1 任务配置管理能力
3.2.2.2 任务配置管理规范
3.2.3 资源管理
3.2.4 样本数据采集
3.2.4.1 样本数据采集能力
3.2.4.2 样本数据采集规范
3.2.5 协同推理
3.2.5.1 协同推理能力
3.2.5.2 协同推理规范
3.3 运维与监控能力
3.3.1 日志
3.3.1.1 日志收集能力
3.3.1.2 日志收集规范
3.3.2 监控与统计
3.3.2.1 系统监控与计量
3.3.2.2 业务监控
3.3.2.3 监控与统计规范
3.4 多设备类型适配能力
3.4.1 推理框架适配
3.4.2 系统适配
3.4.3 硬件适配
3.5 安全能力
3.5.1 模型加解密
3.5.2 数据安全
3.5.3 License
4 场景例子
4.1 AI应用开发者样例
4.1.1 车牌检测业务介绍
4.1.2 开发与调试
4.1.3 部署与推理
4.1.4 运维与监控
4.2 第三方平台对接样例
Published with GitBook
4.1 AI应用开发者样例
AI应用开发者样例
这里以开发一个车辆车牌检测为例，介绍一下ModelBox的开发到部署的过程。
车牌检测业务介绍
开发与调试
部署与推理
运维与监控
results matching "
"
No results matching "
"