Formation Roboflow avec docker

Programme de notre formation Roboflow avec docker

[Jour 1 – Matin]

Préparer les données et le modèle

• Architecture de Roboflow : plateforme cloud, gestion des données, entraînement et serveur d’inférence auto-hébergé
• Organisation des workspaces et projets, choix de la détection d’objets comme cas fil rouge
• Import des images, contrôle des annotations et séparation des ensembles d’entraînement, de validation et de test
• Création d’une version de dataset, prétraitements et augmentations sans fuite de données
• Lancement d’un entraînement, lecture de la précision, du rappel et de la mAP, recours à un modèle préentraîné fourni pour garantir la suite des exercices
• Atelier pratique : préparer un petit dataset annoté, créer une version et analyser les résultats d’un modèle disponible.

[Jour 1 – Après-midi]

Exécuter Roboflow Inference avec Docker

• Rôle de Roboflow Inference Server, différence entre exécution locale et API hébergée
• Sélection d’une image CPU ou GPU compatible, démarrage avec Inference CLI et lecture de la commande Docker équivalente
• Configuration des ports, volumes et variables, exposition locale du port 9001 et persistance du cache des modèles
• Identification du projet et de la version du modèle, clé API et téléchargement initial des poids
• Première requête avec InferenceHTTPClient, lecture des prédictions et diagnostic des erreurs de connexion ou d’accès
• Atelier pratique : démarrer le serveur conteneurisé, monter un cache persistant et interroger un modèle depuis un script Python.

[Jour 2 – Matin]

Intégrer les prédictions et les Workflows

• Utilisation du SDK Inference sur des images locales et des lots, distinction entre client HTTP et moteur d’exécution
• Interprétation des classes, scores et coordonnées, visualisation des détections et réglage du seuil de confiance
• Construction d’un Workflow associant entrée image, détection, filtrage et comptage métier
• Exécution du Workflow sur le serveur local, validation des entrées et exploitation des sorties structurées
• Traitement d’une courte vidéo, mesure de la latence après préchauffage et arbitrages entre résolution, débit et précision
• Atelier pratique : créer un Workflow de comptage, l’appeler localement et comparer ses résultats sur des images et une courte vidéo.

[Jour 2 – Après-midi]

Fiabiliser le déploiement et l'exploitation

• Assemblage avec Docker Compose du serveur et du client, réseau interne, volumes et politique de redémarrage
• Reproductibilité par versions d’images épinglées, version du modèle et configuration externalisée
• Protection des clés API et accès réseau, secrets lus par le client et restrictions d’exposition du serveur
• Diagnostic avec journaux et métriques de ressources, suivi des erreurs, de la mémoire et des temps de réponse
• Tests de non-régression sur un jeu témoin, mise à jour contrôlée et procédure de retour arrière
• Atelier pratique : livrer une application Compose reproductible, tester sa reprise après incident et documenter son exploitation.