基于華為云深度學習服務平臺實現(xiàn)常用物品的自動識別

任務執(zhí)行流程：1)準備數(shù)據(jù)? 2)訓練模型? 3）部署模型? 4）訪問預測服務

1）準備數(shù)據(jù)

將準備好的數(shù)據(jù)集上傳至OBS桶中，并編寫代碼將數(shù)據(jù)集劃分為訓練集和驗證集，代碼如下：

from moxing.tensorflow.datasets.raw.raw_dataset import

split_image_classification_dataset

split_image_classification_dataset(

split_spec={'train': 0.9, 'eval': 0.1},

src_dir='s3://hc-demo-2018/data/train',

dst_dir='s3://hc-demo-2018/data/train_eval',

overwrite=False)

2) 訓練模型

訓練模型

將預置模型 RestNet_v1_50 導入至您的 OBS 桶中，并使用 RestNet_v1_50 創(chuàng)建訓練作業(yè)，

以獲得新模型。

步驟 1 將預置模型 RestNet_v1_50 導入至您的 OBS 桶中。

步驟 2 從 RestNet_v1_50 預置模型啟動模型訓練。

步驟 3 創(chuàng)建 TensorBoard 作業(yè)，使用 TensorBoard 查看模型訓練。

3) 部署模型

創(chuàng)建預測作業(yè)，將模型部署為在線預測服務。

4) 訪問預測服務

步驟 1 打開預測作業(yè)，獲取服務地址。

步驟 2 獲取公有云認證 IAM Token

步驟 3 啟動預測，通過 Postman 工具預測本地磁盤的圖片，獲得預測結(jié)果

深度學習 機器學習

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔相應法律責任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。