画像分類 - デフォルト検出のためのディープラーニング

工場の欠陥をリアルタイムで分析する能力は、生産ラインの品質を向上させ、欠陥を減らすための重要なタスクです。コンピュータビジョンのための深層学習を用いたこのようなユースケースの実装は、特にデータの前処理や本番環境向けのパイプラインの構築において、スケールすると難しくなることがあります。Databricksはこのプロセスを端から端まで簡素化し、すべての運用タスクを簡単にして、モデルのパフォーマンス向上に集中できるようにします。このデモでは、画像の取り込みからリアルタイムの推論（REST API経由）まで、プリント基板（PCB）の欠陥を検出するための完全な深層学習パイプラインの実装方法をカバーします：

• Databricks Auto LoaderとDelta Lakeを使用してデータと画像の取り込みを簡素化します
• スケールでの画像前処理の方法を学びましょう
• Hugging Faceと新しいSpark DataFrameデータセットを使用して、コンピュータビジョンパイプラインを訓練し、デプロイします
• Databricks Serverlessモデルエンドポイントを使用して、バッチまたはストリーミング推論とリアルタイムの提供のためのパイプラインをデプロイします。
• 損傷したPCBとしてフラグが立てられたピクセルがどれかを理解し、潜在的なデフォルトを強調します
• PyTorch Lightningを使用した完全なトレーニングと推論の例は、Hugging Faceライブラリだけでは要件を満たせない場合、deltatorchとTorchDistributorを使用した分散トレーニングを含みます

 

デモをインストールするには、無料のDatabricksワークスペースを取得し、Pythonノートブックで以下の2つのコマンドを実行します

Dbdemosは、Databricksのデモをワークスペースに完全にインストールするPythonライブラリです。Dbemosはノートブック、Delta Live Tablesパイプライン、クラスター、Databricks SQLダッシュボード、ウェアハウスモデルをロードして開始します... dbdemosの使い方をご覧ください

 

DbdemosはGitHubプロジェクトとして配布されています。

詳細については、GitHubのREADME.mdファイルを参照し、ドキュメンテーションに従ってください。
Dbdemosはそのまま提供されます。詳細はライセンスと通知をご覧ください。
Databricksは、dbdemosおよび関連資産の公式サポートを提供していません。
問題が発生した場合は、チケットを開いてデモチームがベストエフォートで対応します。