- 解释`mlflow.pytorch`的具体使用方式；- 解释`pl.LightningModule`与`pl.LightningDataModule`的具体使用方式；- 解释`mlflow run`以及`mlflow ui`的具体使用方式；- 解释如何使用 MobileNetV2 进行迁移学习；- 通过 LEGO Minifigures 的案例解释如何在pyTorch中使用mlFlow，以及结

将OpenVINO的 SSDLite MobileNetV2 物体识别算法在视频流中进行推理。另外，如何通过多线程的方式进行视频读取，以及视频分析。

我们对手写中文（简体）和日语进行OCR识别。该模型一次只能处理一行符号。

通过Azure Container Instances (ACI) 进行模型部署

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

此案例中，我们将通过 pyTorch Lightning 对 MobileNetV2 预训练模型进行迁移学习，对象是 LEGO Minifigures 数据集。提供源代码。

我们将通过一系列文章学习机器学习管道（Machine Learning Pipeline）的一个实例。此章节中，我们将介绍`sklearn.pipeline`的使用。并且，除了通过`pipeline`将整个机器学习的流程串起来之外，我们可以通过`GridSearchCV`类实现自动调参。即，我们可以手动给这个机器学习流程中的参数一个范围，然后让系统遍历所有可能性，最后选出性能最好的那个参数。

我们将通过一系列文章学习机器学习管道（Machine Learning Pipeline）的一个实例。此章节中，我们将按照一般的流程进行模型训练。

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。

我们将介绍Azure ML Pipeline的使用，并且结合MLFlow一起跟踪ML模型。这篇博客我们将着重介绍如何在本地环境或者新建Azure Compute Instance平台，把代码跑起来。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