使用ModelArts实现花卉图像分类

使用ModelArts实现花卉图像分类

目标：使用户掌握如何使用ModelArts服务进行数据集创建，预置模型选择，模型训练、部署并最终建立在线预测作业。

基本的逻辑流程

1.准备数据   →   2.训练模型 →     3.部署模型   →   4.发起预测请求

第一步：首先可以登陆这个：登陆modelarts

第二步：你要使用这个modelarts要做全局的：

全局2个的办法：

推荐办法1：体验效果比较好

办法2：AK SK的办法

但是这个AK和SK是何方神圣呢？

它来自我的凭证：如下图所示：

点击“新增访问密钥”，输入密码（上方系统分配的华为云实验账号的密码），然后选择“保存文件”， 将密钥保存下来，妥善保存系统自动下载的“credentials.csv”文件中的AK（Access Key Id）和SK（Secret Access Key）以备后续步骤使用。这个excel表格打开就有对应的AK 和SK了。

他们这两个东西-你可以理解为授权的口令方式就可以了。比如AK 可以理解为用户名，SK理解为对应的用户名的密码。

其实就是一种授权方式而已，无它。

反正就是你把这个AK和SK加入到下面两个红色框框就可以了。点同意授权就可以了。

这个全局授权有什么作用的呢？-其实有这个授权你才可以用这个modelarts联动到华为云的其他产品一起玩起来。比如联动到obs等之类的产品。

第三步：开始准备数据了-创建notebook把数据先copy到obs上去

那就要创建notebook了：

创建NoteBook：选择左侧栏“开发环境”-＞“NoteBook”页面，点击“创建”如下图：

进入创建页面，参数要求：

①   计费方式：按需计费

②   名称：任意，如flowers-notebook

③   自动停止：关闭（如图所示）

④   工作环境：Python3

⑤   资源池：公共资源池

⑥   类型：CPU

⑦   规格：2核8GiB

⑧   储存配置：云硬盘

⑨   硬盘规格：默认点击“下一步”-＞“提交”

创建成功，返回NoteBook列表，等待状态变为“运行中”【约等待3分钟】，点击“打开”，进入NoteBook详情页， 点击“New“在下拉菜单中选择点击”TensorFlow-1.13.1”，如下图：

进入Python命令输入界面，输入如下命令后，点击“Run”：

import moxing as mox

执行成功后如图所示：

然后就是把数据copy到你的obs

复制如下命令，粘贴至Python命令输入第二行（命令需修改后执行）：修改说明：将代码中的“your_bucket_name”替换为创建的OBS桶名称；将代码中的“your_folder_name”替换为OBS桶中创建的文件夹名称。

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现了：

第四步：接下来将使用训练集对预置的ResNet_v1_50模型进行重训练获取新的模型。

在“ModelArts”管理控制台，单击进入左侧导航栏的“训练管理”->“训练作业”，点击“创建”。填写参数：

①   “名称”和“描述”可以随意填写；

②   “算法来源”中的“预置算法”，选择列表中的“ResNet_v1_50”模型；

③   “数据来源”请选择“数据存储位置”，并选择桶内数据文件夹（s3://workandyleung/flowers-notebook 我的对应的目录就是这个，就是上一步你用命令把数据copy到对应的obs文件夹下的目录）；

④   训练输出的位置：创建一个新文件夹（如下图），并选中这个文件夹，点击“确定”（选择创建的OBS路径，用于保存输出模型和预测文件，如图所示，创建一个新文件夹：

⑤   “运行参数”不需要添加；

计算资源我就用免费的套餐了：

其他参数默认，参数确认无误后，单击“下一步”-＞“提交”完成训练作业创建。返回作业列表，创建成功需要等待训练完成【约等待4分钟】（点击右侧刷新按钮可以查看训练时间），任务状态变为“运行成功”即可进行下一步操作。当训练作业运行成功后，可以在创建训练作业选择的训练输出位置OBS路径下看到新的模型文件。

第五步：部署模型啦：

模型训练完成后，可以创建预测作业，将模型部署为在线预测服务。

在左侧ModelArts菜单栏点击“模型管理”->“模型”，单击左上角的“导入”，参考填写请参考下图。参数：

①    名称可随意填写；

②   “元模型来源”选择“从训练中选择”（上面第四步训练处理的模型）；

③   “部署类型”默认

④   “推理代码”可忽略。参数确认无误后，单击“立即创建”，完成模型创建。

显示正常就是部署搞定了。

最后一步：部署在线服务和预测测试：

单击 部署上线-＞在线服务 ->部署，进入部署服务界面，参数填写如下图：

这样子就是正常的了：

最后就是预测一波：

总体上的感受：

1-       就是我如何把这个在线业务跟手机app或者公众号、小程序链接呢？比如我用手机app扫一下这个花，然后就出这个花的结果。

2-       对花卉的分类对我们有什么好处呢？期待大家发散思维各抒己见。

3-       个人思考：识别到花的类型了，能否我用对应模型也可以识别到视频的类型的呢？比如这个视频的类型主题是什么：创建文明城市类、政府宣传类、商业广告、品牌宣传？

附件： 使用ModelArts实现花卉图像分类-andyleung.docx 2.27MB 下载次数：27次

AI开发平台ModelArts

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。