【沙箱实验室】使用ModelArts实现花卉图像分类【玩转华为云】

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。