Administrative information

Title	Serving Production Models
Duration	60 min
Module	B
Lesson Type	Lecture
Focus	Practical - Organisational AI
Topic	Serving a production model

Keywords

containarization,

Learning Goals

Overview of Containerisation
Introduction to TFX Serving
Serving models Locally and Serving on Azure Container Instances

Expected Preparation

Learning Events to be Completed Before

None.

Obligatory for Students

Optional for Students

None.

References and background for students:

None.

Recommended for Teachers

None.

Lesson Materials

The materials of this learning event are available under CC BY-NC-SA 4.0.

Instructions for Teachers

This Lecture will provide an overview/foundation for Serving Tensorflow models. The lecture will provide some foundations and background (including some code snippets) that will be required for the following tutorial that will put into practice the MLOps process of Serving a model for production purposes. Specifically the lecture will cover:

The development of a exemplar model using the Stanford Dogs dataset
Saving the model and the format of the saved model
- Tensorflow TFX Serving overview
- The APIs TFX Serving uses (gRPC and Restful)
Containerisation
- Docker containers overview
- Tensorflow Serving Docker Image
Serving a model to a local IP address
- Taking a Docker image and creating and running a Docker container binding the Tensorflow model in transit
Serving a Model using Azure Container Instances (ACI)
- Taking a Docker image and creating and running a Docker container, and binding a Tensorflow model.
- Committing the Docker Container with the model saved as a new Docker Image.
- Running the new image as a Docker Container in ACI - using the Docker CLI.

https://www.tensorflow.org/tfx/guide

Outline

Time schedule
Duration (Min)	Description
10	Introduction to the exemplar model used in the lecture and tutorial
15	Saving the model, and overview of TFX serving toolkit and the APIs that TFX serving uses
10	An overview of Containerisation
10	Serving the model locally
15	Serving the model on ACI

More information

Click here for an overview of all lesson plans of the master human centred AI

Please visit the home page of the consortium HCAIM

Acknowledgements

The Human-Centered AI Masters programme was co-financed by the Connecting Europe Facility of the European Union Under Grant №CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.

The materials of this learning event are available under CC BY-NC-SA 4.0

The HCAIM consortium consists of three excellence centres, three SMEs and four Universities

Colofon

Het arrangement Lecture: ML-Ops is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

Auteur: HCAIM Consortium
Laatst gewijzigd: 2024-05-15 11:15:11
Licentie: Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding-GelijkDelen 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding en publicatie onder dezelfde licentie vrij bent om:

het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat

het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken

voor alle doeleinden, inclusief commerciële doeleinden.

Meer informatie over de CC Naamsvermelding-GelijkDelen 4.0 Internationale licentie.

Aanvullende informatie over dit lesmateriaal

Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

Toelichting: .
Eindgebruiker: leerling/student
Moeilijkheidsgraad: gemiddeld
Studiebelasting: 4 uur en 0 minuten

Gebruikte Wikiwijs Arrangementen

HCAIM Consortium. (z.d.).

Acknowledgement

https://maken.wikiwijs.nl/198386/Acknowledgement

HCAIM Consortium. (z.d.).

Lecture: CI/CD

https://maken.wikiwijs.nl/200238/Lecture__CI_CD

Downloaden

Het volledige arrangement is in de onderstaande formaten te downloaden.

Metadata

Metadata overzicht (Excel)

LTI

Leeromgevingen die gebruik maken van LTI kunnen Wikiwijs arrangementen en toetsen afspelen en resultaten terugkoppelen. Hiervoor moet de leeromgeving wel bij Wikiwijs aangemeld zijn. Wil je gebruik maken van de LTI koppeling? Meld je aan via info@wikiwijs.nl met het verzoek om een LTI koppeling aan te gaan.

Maak je al gebruik van LTI? Gebruik dan de onderstaande Launch URL’s.

Arrangement

IMSCC package

Wil je de Launch URL’s niet los kopiëren, maar in één keer downloaden? Download dan de IMSCC package.

IMSCC package

Meer informatie voor ontwikkelaars

Wikiwijs lesmateriaal kan worden gebruikt in een externe leeromgeving. Er kunnen koppelingen worden gemaakt en het lesmateriaal kan op verschillende manieren worden geëxporteerd. Meer informatie hierover kun je vinden op onze Developers Wiki.