介绍Azure ML Pipeline的使用，并且结合MLFlow一起跟踪ML模型。此章节将通过一个案例详细介绍如何训练，测试，打包和注册模型。MLFlow是一个很好的MLOps管理的开源软件。这里我们可以使用MLFlow的Tracking模块记录和跟踪训练运行指标和模型项目，而不管试验环境是位于本地计算机、远程计算目标、虚拟机还是 Azure Databricks 群集上，并最终将其存储在 Az

此博客将详细解释如何使用Deepstream中的元素搭建起一套完整的简单的机器视觉流程，包括`h264parse`, `nvv4l2decoder`, `nvstreammux`, `nvinfer`, `nvvideoconvert`, `nvdsosd`, `nvegltransform`, `nveglglessink`。当我们成功运行了这个Python文件后，我们会在屏幕上看见经过识别后的

此博客包含：在Win10平台，通过Visual Studio Code新建Flask项目；Anaconda3与/或virtualenv新建虚拟环境；安装Flask；运行Flask最基础程序，每一个细节的解释，以及代码。

此博客包含如下概念的介绍：路由（装饰器），请求与响应（Request&Response），GET/POST，重定向（Redirect）。我们分享所有代码，并附有非常详细的注解。

这里介绍 Kotlin Suspend 函数的使用。挂起（suspend）函数是所有协程的核心。 挂起函数可以执行长时间运行的操作并等待它完成而不会阻塞主线程。Kotlin 的 suspend 关键字可以帮助我们消除回调，用同步的写法写异步。

此章节将详细对官方案例：`deepstream_test_1_rtsp_out.py`作解读。`deepstream_test_1_rtsp_out.py`的主要作用是可以输入rtsp格式的视频流。当我们成功运行了这个Python文件后，我们在屏幕上并不会看到视频，但是，系统会生成一个rtsp地址。当我们使用VLC或者这个案例中flask进行读取，就会看到经过物体识别标注后的视频了。

模型加载与推理，含代码链接。

从本章节开始，我们将详细介绍如何通过Azure ML以及mlflow实现机器学习的可复制部署与应用。首先我们需要申请一个Azure免费账号（如果没有的话），创建资源组，Azure机器学习工作区，以及DevOps的相关配置。

提示：此博文详细描述如何使用Pytesseract进行OCR识别，包括基本操作，图像的预处理，角度识别，图像旋转，等等。并且，这里也会附上及其详细的代码以及注解。如果感兴趣的同学可以自行下载。注：代码运行于Ubuntu AMD 环境。