1.7 KiB
Immich Machine Learning
- Clasificación de imágenes
- Incorporación de CLIP
- Reconocimiento facial
Configuración
Este proyecto utiliza Poetry, así que asegúrate de instalarlo primero.
Ejecutar poetry install --no-root --with dev instalará todo lo necesario en un entorno virtual aislado.
Para agregar o eliminar dependencias, puedes utilizar los comandos poetry add $PACKAGE_NAME y poetry remove $PACKAGE_NAME, respectivamente.
Asegúrate de hacer commit de los archivos poetry.lock y pyproject.toml para reflejar cualquier cambio en las dependencias.
Pruebas de carga
Para medir la velocidad y latencia de inferencia, puedes utilizar Locust con el archivo locustfile.py proporcionado.
Locust funciona haciendo consultas a los puntos finales del modelo y agregando estadísticas, lo que significa que la aplicación debe estar desplegada.
Puedes ejecutar load_test.sh para implementar automáticamente la aplicación localmente e iniciar Locust, ajustando opcionalmente sus variables de entorno según sea necesario.
Alternativamente, para pruebas más personalizadas, también puedes ejecutar locust directamente: consulta la documentación. Ten en cuenta que, en la jerga de Locust, la concurrencia se mide en usuarios, y cada usuario ejecuta una tarea a la vez. Para lograr una concurrencia específica por punto final, multiplica ese número por la cantidad de puntos finales que se desean consultar. Por ejemplo, si hay 3 puntos finales y deseas que cada uno de ellos reciba 8 solicitudes al mismo tiempo, debes configurar el número de usuarios en 24.