【沙箱實驗室】使用ModelArts實現花卉圖像分類【玩轉華為云】

沙箱實驗室簡介

華為云服務的操作體驗，使用虛擬華為云賬號，根據詳細的實驗手冊，一步步指導操作，模擬真實場景，完善的虛擬環境配置搭建，可隨時隨地通過瀏覽器進入虛擬環境操作實驗。

實驗室地址：https://lab.huaweicloud.com/?ticket=ST-838552-0GWxPCDy1PnMndcVTf64YBdU-sso

下面進入使用ModelArts實現花卉圖像分類的實驗室。

使用ModelArts實現花卉圖像分類

在線實驗網址：https://lab.huaweicloud.com/testdetail_287?ticket=ST-881199-Kvqdg9ZIKRnRQgGGDAmTW2nK-sso

進入之后點擊開始實驗。

打開Chrome瀏覽器，自動登錄并進入華為云控制臺頁面。

實驗拓撲。

準備數據

創建對象存儲 OBS

創建完成回到對象存儲服務列表，點擊剛剛創建的OBS桶名稱進入詳情頁，選擇左側“對象”-＞“新建文件夾”（存放后續步驟的數據文件），名稱任意（請記住此名稱以備后續相關步驟使用），點擊“確定”，如下圖：

創建 NoteBook 復制數據

在服務列表中找到并進入人工智能服務ModelArts，然后點擊ModelArts頁面中左側的【開發環境】選項一點擊【notebook]進入notebook頁面。點擊【創建】按鈕進入創建頁面，并按照左邊的操作提示進行參數配置

進入創建頁面，參數要求：

① 名稱：任意，如flowers-notebook

② 自動停止：2小時后

③ 鏡像：公共鏡像：在第二頁選擇tensorflow1.13-cuda10.0-cudnn7-ubuntu18.0.4-GPU算法開發和訓練基礎鏡像，預置AI引擎Tensorflow1.13.1

④ 資源池：公共資源池

⑤ 類型：GPU

⑥ 規格：8核64GB

⑦ 儲存配置：云硬盤（5GB）其它參數默認，點擊“立即創建”-＞“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。在頁面中選擇“TensorFlow-1.13.1”，如下圖所示：

進入Python命令輸入界面，輸入如下命令后，點擊“Run”：

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。

點擊“服務列表”-> 選擇“存儲”的“對象存儲服務”，點擊桶名，點擊文件夾可以查看復制的文件，即訓練所需的數據集。

訓練模型

按照實驗室左側的操作前提分別進行下面兩個操作：

創建訓練作業

回到ModelArts界面，進入左側導航欄的【AI Gallery】在【AI Gallery】頁面點擊頂部【算法】進入算法頁面，選擇算法【圖像分類-ResNet_v1_50】(也可在谷歌瀏覽器新建1個新頁簽，輸入鏈接【https://marketplace.huaweicloud.com/markets/aihub/modelhub/detail/?id=40b66195-5bbe-463d-b8a2-03e57073538d】進入)

點擊“訂閱”，如果顯示“已訂閱”則無需操作，如下圖所示：

點擊“前往控制臺”，選擇“華北-北京四”區域。

接下來回到在ModelArts主界面，在【訓練管理】選擇訓練作業，點擊【創建】

算法管理選擇。

選擇10.0.0 版本。

數據來源選擇，選擇之前在 OBS 里面創建的文件夾。

模型輸出選擇，在之前創建的 OBS 里面新建一個空文件夾作為模型輸出文件夾。

整體的參數選擇。

通過可視化作業查看模型訓練信息

在模型訓練的過程完成后，通過創建可視化作業查看一些參數的統計信息，如loss， accuracy等。操作如下：

① 在“訓練作業”界面，點擊“可視化作業”，再點擊“創建”按鈕；

② 參數“名稱”，可隨意填寫；

③ 規格：默認；

④ “訓練輸出位置”選擇2.2步驟中的訓練輸出位置；

⑤ “自動停止”不設置（關閉）。點擊“下一步”確認規格無誤后點擊“提交”完成此步。此步驟創建時間較長【約等待5分鐘】，建議直接繼續下一步實驗，無需等待。

模型部署

按照實驗室左側的操作前提分別進行下面兩個操作：

導入模型

部署在線服務（這一步和左邊操作里面的提示不太一致，可以按照下面圖片里面的步驟進行部署）

發起預測

點擊剛剛部著上線（已完成部署）的在線服務名稱，進入服務詳情,點擊“預測”標簽，在此可進行在線預測,如下圖所示。

操作:選擇預測圖片文件，點擊左側“上傳”選擇pic文件夾內的圖片資源,點擊“預測”完成操作。

說明:測試圖片存放于桌面pic文件夾內。嘗試更多圖片預測，可點擊桌面sunflower.sh腳本進行快捷搜索。

下面進行了五種花卉的預測并給出預測結果

{ "predicted_label": "daisy", "scores": [["daisy", "0.766"], ["sunflowers", "0.232"], ["dandelion", "0.002"], ["roses", "0.000"], ["tulips", "0.000"]] }

{ "predicted_label": "roses", "scores": [["roses", "0.999"], ["daisy", "0.000"], ["dandelion", "0.000"], ["sunflowers", "0.000"], ["tulips", "0.000"]] }

{ "predicted_label": "tulips", "scores": [["tulips", "0.997"], ["daisy", "0.003"], ["dandelion", "0.000"], ["roses", "0.000"], ["sunflowers", "0.000"]] }

{ { "predicted_label": "sunflowers", "scores": [["sunflowers", "1.000"], ["daisy", "0.000"], ["dandelion", "0.000"], ["roses", "0.000"], ["tulips", "0.000"]] }

{ "predicted_label": "dandelion", "scores": [["dandelion", "1.000"], ["daisy", "0.000"], ["roses", "0.000"], ["sunflowers", "0.000"], ["tulips", "0.000"]] } }

體驗感受和建議

實驗的體驗還是很好的，基本上按照步驟一直操作下去。

不過60分鐘的實驗時間，感覺沒有過癮，希望可以延長一點時間。

AI 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。

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。