For AI agents: the complete documentation index is available at https://docs.ovhcloud.com/fr/llms.txt, the full documentation bundle is available at https://docs.ovhcloud.com/fr/llms-full.txt, and this page is available as Markdown at https://docs.ovhcloud.com/fr/guides/public-cloud/ai-machine-learning/ai-deploy-apps-portfolio.md.

AI Deploy - Portfolio d'app

Voir en Markdown

Une collection d'apps d'AI pouvant être facilement déployées avec AI Deploy

Info

AI Deploy est couvert par les Conditions particulières OVHcloud Public Cloud.

Objectif

AI Deploy vous permet de déployer des apps ou des modèles d'IA. Pour tester ou utiliser le produit, vous pouvez vous appuyer sur des modèles d'IA existants.

Par exemple, vous pouvez vous appuyer sur des modèles ou des apps open source.

Portfolio d'apps et de modèles d'IA

Pour tester AI Deploy, vous pouvez rapidement déployer des apps basées sur celles proposées dans notre portfolio.

Exemples rapides

PropriétaireTâcheDescriptionDocumentationDockerfileImage DockerCommande CLIUtilisation
OVHcloudHello worldLancez votre première API avec FlaskAI Deploy - Premiers pasDockerfile - Hello worldpriv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/ai-deploy-hello-worldovhai app run priv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/ai-deploy-hello-worldAPI - interagissez avec l'API via une commande curl ou un script Python
OVHcloudEDA et prédiction interactiveExplorez, analysez les données iris et effectuez une prédiction interactive avec StreamlitAI Deploy - Tutoriel - Déployer une app interactive pour l'EDA et la prédiction en utilisant StreamlitDockerfile - EDA et prédiction sur les données irispriv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/streamlit-edaovhai app run priv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/streamlit-edaInterface web - accès à l'app via l'url
OVHcloudReconnaissance de dessinsReconnaissez des chiffres manuscrits avec GradioAI Deploy - Tutoriel - Déployer une app Gradio pour de la reconnaissance de schémasDockerfile - Reconnaissance de dessinspriv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/gradio-sketch-recognitionovhai app run priv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/gradio-sketch-recognitionInterface web - accès à l'app via l'url
OVHcloudClassification de spamClassifiez les messages de spam avec FastAPIAI Deploy - Tutoriel - Déployer et appeler un classificateur de spam avec FastAPIDockerfile - API de classification de spampriv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/fastapi-spam-classificationovhai app run priv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/fastapi-spam-classificationAPI - interagissez avec l'API via <app-url>/docs ou une commande curl
OVHcloudAnalyse de sentimentAnalysez le sentiment d'un texte avec des modèles Hugging Face et FlaskAI Deploy - Tutoriel - Déployer une app pour de l'analyse de sentiment avec Hugging Face et FlaskDockerfile - App d'analyse de sentiment Hugging Facepriv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/flask-sentiment-analysisovhai app run priv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/flask-sentiment-analysisInterface web - accès à l'app via l'url
OVHcloudSpeech-to-TextUtilisez les capacités du Speech-to-Text sur de l'audio et de la vidéoAI Deploy - Tutoriel - Créer et déployer une application de Speech to TextDockerfile - App Streamlit Speech-to-Textpriv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/streamlit-speech-to-textovhai app run priv-registry.gra.ai.cloud.ovh.net/ai-deploy-portfolio/streamlit-speech-to-textInterface web - accès à l'app via l'url

Si vous souhaitez lancer ces apps depuis le Control Panel OVHcloud, renseignez le nom de l'image Docker dans Étape 2 - Application à déployer.

Info

Chacune des apps suivantes se lance sur le port 8080. Vous n'avez pas besoin de le saisir dans la commande de lancement.

Info

Par défaut, une app se lance avec 1 GPU. Vous pouvez toutefois personnaliser les ressources que vous souhaitez utiliser.

Créez vos propres apps et modèles à déployer

Voici des exemples de modèles existants pouvant être déployés avec AI Deploy. Vous êtes cependant libre de déployer tout autre modèle ou app d'IA de votre choix.

YOLO

YOLO (« You only look once »), est une famille d'algorithmes de Object Detection.

Références :

DALL-E mini

DALL-E mini est un modèle d'IA capable de dessiner des images à partir de n'importe quel prompt textuel (Text-to-Image).

Références :

Stable Diffusion

Stable Diffusion est un modèle Text-to-Image qui génère des images à partir de texte.

Références :

  • Dépôt Stable Diffusion dépôt
  • Site Stable Diffusion site
  • Accédez au modèle Stable Diffusion depuis Hugging Face

EfficientNet

EfficientNet est une famille de modèles de Image Classification. Il existe huit modèles EfficientNet différents (b0 -> b7)

Références :

  • Accédez et chargez le modèle EfficientNet depuis PyTorch Hub

ResNet

ResNet sont des modèles d'IA basés sur des réseaux de neurones résiduels dont l'objectif est de résoudre des tâches de Image Classification.

Références :

  • Accédez et chargez des modèles ResNet depuis PyTorch Hub

MobileNet V2

MobileNet sont des modèles de Computer Vision conçus pour être utilisés dans des applications mobiles. Ils sont connus pour leur petite taille et leur faible latence.

Références :

  • Accédez et chargez des modèles ResNet depuis PyTorch Hub

GPT-2

GPT-2 est un modèle de Text Generation développé par Open AI.

Références :

  • Trouvez plus d'informations sur GPT-2 ici
  • Accédez au modèle GPT-2 depuis Hugging Face

BERT

Les célèbres modèles NLP basés sur BERT peuvent également être déployés pour de la Text Classification, par exemple.

Références :

BART

Les modèles basés sur BART peuvent également être déployés pour des tâches de Zero-Shot Classification.

Références :

Aller plus loin

Vous pouvez également consulter notre dépôt GitHub pour trouver des exemples d'apps d'IA à déployer.

Info

Vous trouverez tous les codes et la documentation nécessaires pour déployer chaque app ici.

Voici quelques exemples d'apps d'IA que nous proposons :

  • Déployer une app pour une tâche de classification audio avec Streamlit
  • Déployer un service web pour YOLOv5 avec Flask
  • Déployer une app Gradio pour la reconnaissance de dessins
  • Déployer une app d'analyse de sentiment avec des modèles Hugging Face avec Flask
  • Déployer une app interactive pour l'EDA et la prédiction avec Streamlit
  • Déployer et appeler un classificateur de spam avec FastAPI

Pour une formation ou une assistance technique sur la mise en œuvre de nos solutions, contactez votre commercial ou consultez la page Professional Services pour obtenir un devis et faire analyser votre projet par nos experts.

Votre avis nous intéresse !

N'hésitez pas à nous faire part de vos questions, retours et suggestions pour améliorer le service sur le serveur Discord OVHcloud

Cette page vous a-t-elle aidé ?