使用ModelArts实现花卉图像分类【玩转华为云】

概述

ModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期AI工作流。

1、目标

本实验指导用户在华为云ModelArts平台使用flowers数据集对预置的模型进行重训练，快速构建花卉图像分类应用。

2、实验操作

2.1、登录实验环境

打开Chrome浏览器，首次可自动登录并进入华为云控制台页面。

2.2、数据准备

2.2.1、创建对象存储 OBS

进入华为云控制台，鼠标移动到云桌面浏览器页面中左侧菜单栏，点击“服务列表”-> 选择“存储”的“对象存储服务 OBS”，进入后右上角点击“创建桶”，按下图进行桶命名和参数选择。

参数：

① 复制配置：不选择

② 区域：华北-北京四

③ 数据冗余储存策略：单AZ存储

④ 桶名称：任意填写（请记住此名称以备后续相关步骤使用）

⑤ 存储类别：标准存储

⑥ 桶策略：私有

⑦ 默认加密：关闭

⑧ 归档数据直读： 关闭

⑨ 存储包超值购：不选择

创建完成回到对象存储服务列表，点击刚刚创建的OBS桶名称进入详情页，选择左侧“对象”-＞“新建文件夹”（存放后续步骤的数据文件），然后选择确定。

在服务列表中找到并进入人工智能服务 ModelArts，然后点击ModelArts 页面中左侧的【开发环境】选项一点击【notebook】 进入notebook 页面。点击【创建】按钮进入创建页面，并进行配置。

进入创建页面，参数要求：

① 名称：任意，如flowers-notebook

② 自动停止：2小时后

③ 镜像：公共镜像：在第二页选择tensorflow1.13-cuda10.0-cudnn7-ubuntu18.0.4-GPU算法开发和训练基础镜像，预置AI引擎Tensorflow1.13.1

④ 资源池：公共资源池

⑤ 类型：GPU

⑥ 规格：8核64GB

⑦ 储存配置：云硬盘（5GB）

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。

在页面中选择“TensorFlow-1.13.1”，

进入Python命令输入界面，输入如下命令后，点击“Run”

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。

说明：进入华为云控制台，鼠标移动到云桌面浏览器页面中左侧菜单栏，点击“服务列表”-> 选择“存储”的“对象存储服务”，点击桶名，点击文件夹可以查看复制的文件，即训练所需的数据集。执行成功关闭Python命令执行页面。

2.3、训练模型

2.3.1、创建训练模型

回到ModelArts界面，进入左侧导航栏的【AI Gallery】在【AI Gallery】页面点击顶部【算法】进入算法页面，选择算法【图像分类-ResNet_v1_50】

点击“订阅”，如下图所示：

点击“前往控制台”，如下图所示：

接下来回到在ModelArts主界面，在【训练管理】选择训练作业，点击【创建】：

在创建训练作业页面中选择算法：

2.3.2、通过可视化作业查看模型训练信息

在模型训练的过程完成后，通过创建可视化作业查看一些参数的统计信息，如loss， accuracy等。

操作如下：

① 在“训练作业”界面，点击“可视化作业”，再点击“创建”按钮；

② 参数“名称”，可随意填写；

③ 规格：默认；

④ “训练输出位置”选择2.2步骤中的训练输出位置；

⑤ “自动停止”不设置（关闭）。

2.4、部署模型

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。

2.4.1、导入模型

在左侧ModelArts菜单栏点击“AI应用管理”->“AI应用”，单击页面中的“创建”，参考填写请参考下图。

名称：自定义

版本：默认

云模型来源：选择【从训练中选择】、【训练作业】，然后选择2.1步骤训练的模型

其他参数默认即可，参数确认无误后，单击“立即创建”，完成模型创建。

2.4.2、部署在线服务

点击已创建模型名称前的下拉箭头，点击操作列中【部署】，选择部署菜单栏中的【在线服务】。或点击模型名称进入模型详情页，点击详情页右上角的【部署】，在部署菜单中选择【在线服务】。

点击“下一步”-＞“提交”完成部署。

2.5、发起预测请求

点击刚刚部署上线（已完成部署）的在线服务名称，进入服务详情，点击“预测”标签，在此可进行在线预测，如下图所示。

最终结果显示预测成功。

3、结尾

通过以上实践熟练了ModelArts的操作步骤，加深了对ModelArts的了解，有兴趣的同学可参考如下链接进行实际操作。

https://lab.huaweicloud.com/testdetail_287

AI开发平台ModelArts 云端实践 深度学习 机器学习

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。