人工智能客服的相关说明(智能客服怎么转人工)
923
2022-05-29
沙箱实验室简介
华为云服务的操作体验,使用虚拟华为云账号,根据详细的实验手册,一步步指导操作,模拟真实场景,完善的虚拟环境配置搭建,可随时随地通过浏览器进入虚拟环境操作实验。
实验室地址:https://lab.huaweicloud.com/?ticket=ST-838552-0GWxPCDy1PnMndcVTf64YBdU-sso
下面进入使用ModelArts实现花卉图像分类的实验室。
使用ModelArts实现花卉图像分类
在线实验网址:https://lab.huaweicloud.com/testdetail_287?ticket=ST-881199-Kvqdg9ZIKRnRQgGGDAmTW2nK-sso
进入之后点击开始实验。
打开Chrome浏览器,自动登录并进入华为云控制台页面。
实验拓扑。
准备数据
创建对象存储 OBS
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),名称任意(请记住此名称以备后续相关步骤使用),点击“确定”,如下图:
创建 NoteBook 复制数据
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,并按照左边的操作提示进行参数配置
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)其它参数默认,点击“立即创建”->“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。在页面中选择“TensorFlow-1.13.1”,如下图所示:
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。
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。
训练模型
按照实验室左侧的操作前提分别进行下面两个操作:
创建训练作业
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】(也可在谷歌浏览器新建1个新页签,输入链接【https://marketplace.huaweicloud.com/markets/aihub/modelhub/detail/?id=40b66195-5bbe-463d-b8a2-03e57073538d】进入)
点击“订阅”,如果显示“已订阅”则无需操作,如下图所示:
点击“前往控制台”,选择“华北-北京四”区域。
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】
算法管理选择。
选择10.0.0 版本。
数据来源选择,选择之前在 OBS 里面创建的文件夹。
模型输出选择,在之前创建的 OBS 里面新建一个空文件夹作为模型输出文件夹。
整体的参数选择。
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)。点击“下一步”确认规格无误后点击“提交”完成此步。此步骤创建时间较长【约等待5分钟】,建议直接继续下一步实验,无需等待。
模型部署
按照实验室左侧的操作前提分别进行下面两个操作:
导入模型
部署在线服务(这一步和左边操作里面的提示不太一致,可以按照下面图片里面的步骤进行部署)
发起预测
点击刚刚部著上线(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。
操作:选择预测图片文件,点击左侧“上传”选择pic文件夹内的图片资源,点击“预测”完成操作。
说明:测试图片存放于桌面pic文件夹内。尝试更多图片预测,可点击桌面sunflower.sh脚本进行快捷搜索。
下面进行了五种花卉的预测并给出预测结果
{ "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"]] } }
体验感受和建议
实验的体验还是很好的,基本上按照步骤一直操作下去。
不过60分钟的实验时间,感觉没有过瘾,希望可以延长一点时间。
AI 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。