MONAI通过AutoML支持模型开发和云本机部署

　　项目 MONAI 继续扩展其端到端工作流，推出了新版本和一个名为 MONAI 部署推断服务的新子项目。

　　项目 MONAI 正在发布对现有框架的三个新更新， MONAI v0.8 、 MONAI 标签 v0.3 和 MONAI 部署应用程序 SDK v0.2 。它还将 MONAI 部署子系统扩展为 MONAI 部署推断服务（ MIS ），这是一个在 Kubernetes 集群中运行 MONAI 应用程序包（映射）作为云本机微服务的服务器。

　　MIS 通过与 Kubernetes 等容器编排系统集成，帮助扩展 MONAI 的端到端功能。通过使用 Kubernetes 框架，开发人员可以快速开始测试他们的模型。这允许将执行从本地开发转移到登台环境。

　　MONAI 堆芯 v0.8

　　MONAI 核心 v0.8 着重于通过添加自我监督和多实例学习支持来扩展其学习能力。

　　还包括一个新的称为 DiNTS 的最先进的差分搜索框架，该框架有助于加速对大规模 3D 图像集（如医学成像中的图像集）的神经架构搜索（ NAS ）。

　　亮点包括：

　　MSD 数据集示例的多实例学习。

　　变换和笔记本的可视化，以及 3D 图像变换增强方法。

　　利用 vision transformer 教程，通过预培训管道进行自我监督学习，突出使用未标记数据进行培训，并适应下游任务。

　　DiNTS AutoML ，示例使用 MSD 任务。

　　使用随附的 Jupyter 笔记本电脑开始使用新功能：

　　Transform Visualization

　　Self-Supervised Learning

　　MONAI v0.3

　　MONAI Label v0.3 侧重于包括多标签分段支持，以 DynUNet 和 UNETR 网络作为基本架构选项。它还注重通过多 GPU 培训支持增强性能，以提高可扩展性和可用性，从而使主动学习更易于使用。

　　亮点包括：

　　多标签分割支持

　　多 GPU 训练

　　主动学习用户体验变化

　　MONAI 部署

　　MONAI 部署 App SDK v0.2

　　MONAI Deploy App SDK v0.2 继续扩展其基本运营商，包括对其他 DICOM 操作的支持。

　　亮点包括：

　　用于 DICOM 系列选择的运算符。

　　用于导出 DICOM 结构化报告的操作员分类结果 SOP 。

　　MONAI 部署推理服务 v0.1

　　MONAI 部署推断服务 v0.1 是 MONAI 部署应用程序服务器的第一个组件，该服务器继续在 MONAI 的端到端工作流上扩展。它包括将 MONAI 部署应用程序 SDK 创建的 MONAI 应用程序包（映射）部署到 Kubernetes 集群的能力。

　　亮点包括：

　　在 MIS 的掌舵图中注册地图。

　　通过 RESTAPI 请求上载输入，并使其可用于映射容器。

　　为映射容器调配资源。

　　向发出请求的客户端提供映射容器的输出。

　　看看新的MONAI部署教程这将引导您使用 App SDK 创建地图，部署 MIS 服务，并将地图推送到 MIS 以作为云本机微服务运行。

　　关于作者

　　Michael Zephyr 是 NVIDIA Clara 团队的开发者传道者，负责帮助设计所有 NVIDIA Clara 产品的开发者体验。他通过博客帖子、网络研讨会和会议来开发和展示内容，帮助开发人员快速入门。迈克尔获得了佐治亚理工大学计算机科学硕士学位，专攻机器学习和交互智能。

　　审核编辑：郭婷