使用ModelArts實現花卉圖像分類

使用ModelArts實現花卉圖像分類

目標：使用戶掌握如何使用ModelArts服務進行數據集創建，預置模型選擇，模型訓練、部署并最終建立在線預測作業。

基本的邏輯流程

1.準備數據 ??→?? 2.訓練模型 →???? 3.部署模型 ??→?? 4.發起預測請求

第一步：首先可以登陸這個：登陸modelarts

第二步：你要使用這個modelarts要做全局的：

全局2個的辦法：

推薦辦法1：體驗效果比較好

辦法2：AK SK的辦法

但是這個AK和SK是何方神圣呢？

它來自我的憑證：如下圖所示：

點擊“新增訪問密鑰”，輸入密碼（上方系統分配的華為云實驗賬號的密碼），然后選擇“保存文件”， 將密鑰保存下來，妥善保存系統自動下載的“credentials.csv”文件中的AK（Access Key Id）和SK（Secret Access Key）以備后續步驟使用。這個excel表格打開就有對應的AK 和SK了。

他們這兩個東西-你可以理解為授權的口令方式就可以了。比如AK 可以理解為用戶名，SK理解為對應的用戶名的密碼。

其實就是一種授權方式而已，無它。

反正就是你把這個AK和SK加入到下面兩個紅色框框就可以了。點同意授權就可以了。

這個全局授權有什么作用的呢？-其實有這個授權你才可以用這個modelarts聯動到華為云的其他產品一起玩起來。比如聯動到obs等之類的產品。

第三步：開始準備數據了-創建notebook把數據先copy到obs上去

那就要創建notebook了：

創建NoteBook：選擇左側欄“開發環境”-＞“NoteBook”頁面，點擊“創建”如下圖：

進入創建頁面，參數要求：

①?? 計費方式：按需計費

②?? 名稱：任意，如flowers-notebook

③?? 自動停止：關閉（如圖所示）

④?? 工作環境：Python3

⑤?? 資源池：公共資源池

⑥?? 類型：CPU

⑦?? 規格：2核8GiB

⑧?? 儲存配置：云硬盤

⑨?? 硬盤規格：默認點擊“下一步”-＞“提交”

創建成功，返回NoteBook列表，等待狀態變為“運行中”【約等待3分鐘】，點擊“打開”，進入NoteBook詳情頁， 點擊“New“在下拉菜單中選擇點擊”TensorFlow-1.13.1”，如下圖：

進入Python命令輸入界面，輸入如下命令后，點擊“Run”：

import moxing as mox

執行成功后如圖所示：

然后就是把數據copy到你的obs

復制如下命令，粘貼至Python命令輸入第二行（命令需修改后執行）：修改說明：將代碼中的“your_bucket_name”替換為創建的OBS桶名稱；將代碼中的“your_folder_name”替換為OBS桶中創建的文件夾名稱。

mox.file.copy_parallel('s3://sandbox-experiment-resource-north-4/flowers-data/flowers-100', 's3://your_bucket_name/your_folder_name')

然后你去你的obs上就看到有挺多文件出現了：

第四步：接下來將使用訓練集對預置的ResNet_v1_50模型進行重訓練獲取新的模型。

在“ModelArts”管理控制臺，單擊進入左側導航欄的“訓練管理”->“訓練作業”，點擊“創建”。填寫參數：

①?? “名稱”和“描述”可以隨意填寫；

②?? “算法來源”中的“預置算法”，選擇列表中的“ResNet_v1_50”模型；

③?? “數據來源”請選擇“數據存儲位置”，并選擇桶內數據文件夾（s3://workandyleung/flowers-notebook 我的對應的目錄就是這個，就是上一步你用命令把數據copy到對應的obs文件夾下的目錄）；

④?? 訓練輸出的位置：創建一個新文件夾（如下圖），并選中這個文件夾，點擊“確定”（選擇創建的OBS路徑，用于保存輸出模型和預測文件，如圖所示，創建一個新文件夾：

⑤?? “運行參數”不需要添加；

計算資源我就用免費的套餐了：

其他參數默認，參數確認無誤后，單擊“下一步”-＞“提交”完成訓練作業創建。返回作業列表，創建成功需要等待訓練完成【約等待4分鐘】（點擊右側刷新按鈕可以查看訓練時間），任務狀態變為“運行成功”即可進行下一步操作。當訓練作業運行成功后，可以在創建訓練作業選擇的訓練輸出位置OBS路徑下看到新的模型文件。

第五步：部署模型啦：

模型訓練完成后，可以創建預測作業，將模型部署為在線預測服務。

在左側ModelArts菜單欄點擊“模型管理”->“模型”，單擊左上角的“導入”，參考填寫請參考下圖。參數：

①?? ?名稱可隨意填寫；

②?? “元模型來源”選擇“從訓練中選擇”（上面第四步訓練處理的模型）；

③?? “部署類型”默認

④?? “推理代碼”可忽略。參數確認無誤后，單擊“立即創建”，完成模型創建。

顯示正常就是部署搞定了。

最后一步：部署在線服務和預測測試：

單擊 部署上線-＞在線服務 ->部署，進入部署服務界面，參數填寫如下圖：

這樣子就是正常的了：

最后就是預測一波：

總體上的感受：

1-?????? 就是我如何把這個在線業務跟手機app或者公眾號、小程序鏈接呢？比如我用手機app掃一下這個花，然后就出這個花的結果。

2-?????? 對花卉的分類對我們有什么好處呢？期待大家發散思維各抒己見。

3-?????? 個人思考：識別到花的類型了，能否我用對應模型也可以識別到視頻的類型的呢？比如這個視頻的類型主題是什么：創建文明城市類、政府宣傳類、商業廣告、品牌宣傳？

附件： 使用ModelArts實現花卉圖像分類-andyleung.docx 2.27MB 下載次數：27次

AI開發平臺ModelArts

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。