本教程将带您深入了解如何将 Dataiku platform 与 NVIDIA 技术深度融合，实现图像分类、目标检测、实时推理，并借助 RAPIDS 加速主题建模流程。无论您偏好无代码操作还是 Python 开发，都能找到适合自身需求的工作路径。
一、深度学习在图像分类与目标检测中的应用
本节详细介绍如何使用 Dataiku 与 NVIDIA GPU 训练及评估深度学习模型，涵盖无代码与编码两种方式。
1.1 无代码操作方式
自 Dataiku 11.3 起，您可以通过可视化无代码工具实现图像分类或目标检测的核心工作流：
- 图像标注：利用本地 Web 应用标注图像、绘制边界框，查看并管理注释。例如将猫标注为“猫”，或更精细地区分不同个体。
- 迁移学习：基于 EfficientNet（图像分类）和 Faster R-CNN（目标检测）等预训练模型进行微调，支持数据增强（重新着色、旋转、裁剪等）。
- 模型解释：通过热图叠加展示模型预测的关注区域。
- 模型部署：借助 Dataiku API Deployer 将训练好的模型部署为容器化推理服务，运行于 Kubernetes 集群。