一、图像识别--自动学习
ModelArts自动学习让零AI基础的业务开发者可快速完成模型的训练和部署。依据开发者提供的标注数据及选择的场景,无需任何代码开发,自动生成满足用户精度要求的模型。可支持图片分类、物体检测、预测分析、声音分类场景。可根据最终部署环境和开发者需求的推理速度,自动调优并生成满足要求的模型。
https://github.com/huaweicloud/ModelArts-Lab/issues/49
步骤一:注册账号和领取体验礼包(https://console.huaweicloud.com/modelarts/?region=cn-north-1#/userPackageWindow )
步骤二:生成访问密钥
在用户基本信息>管理我的凭证页面新增访问密钥,创建后密钥会下载到本地。
在“用户中心>基本信息”页面点击“管理我的凭证”,跳转到“我的凭证”页面。
步骤三:
具体操作:在“我的凭证”页面切换到“管理访问密钥”页签,执行“新建访问密钥”操作,输入登陆密码和短信验证码后,密钥会自动生成并下载到本地,文件名为“credentials.csv”。
步骤四:登陆ModelArts服务页面,通过左侧导航栏进入到“全局配置”页面。
执行“添加访问密钥”操作,输入“credentials.csv”文件中的“Access Key”和“Secret Access Key”信息,执行确定操作,完成全局密钥的设置。
现在开始使用自动学习构建花卉识别应用
步骤 1 创建一个OBS桶,本案例中将桶命名为ai-course-001
,同时在创建的OBS桶下创建文件夹/automl/flowers
。创建OBS桶和文件夹参考文档:https://support.huaweicloud.com/qs-obs/obs_qs_0001.html 。
步骤 2 进入ModelArts管理控制台界面。单击左侧导航栏的“自动学习”,进入“自动学习”界面。
步骤 3 点击“图像分类”创建项目按钮,创建自动学习>图像分类项目,自定义项目名称(本例输入exeML-flowers),创建一个桶,名称为OBS-flowerss
返回创建项目的界面,点击刷新按钮出现新建桶,
在桶内新建文件夹 0822flower,并选择它作为训练数据的路径,点击“创建项目”完成图像分类项目创建。
2. 下载数据集
点击此处下载数据集压缩包至本地。
3.添加图片
选中flower文件夹中的所有”train”图片,
4.标注图片,给图片打标签
进入“未标注”页面。批量选中相同类别的图片,然后在左侧输入该图片的名称:向日葵,chu'ju,最后点击“确定”按钮。
在“数据标注”界面中,首先设置训练时长为0.1(减小训练时长的同时,可能会降低模型精度),然后点击“开始训练”按钮,即可开始训练。如下图所示:
5.等待部署:
6.部署成功后:
7.点击“部署”按钮,将模型部署为一个在线服务:
8.部署成功后,点击“上传本地图片”按钮,上传一张本地的测试图片。
可以得出测试结果为 向日葵。
-
关闭服务
在“部署上线”页面,点击“停止”按钮,停止在线服务:
二、图像识别--监督学习
图像分类的综合应用:https://github.com/huaweicloud/ModelArts-Lab/tree/master/train_inference/image_recognition
步骤一:将猫和狗的照片一共200张下载至本地,要知道下载的位置在哪里
步骤二:登录到华为云首页,选择产品标签下的ModelArts,进入ModelArts控制台,
步骤三:点击 数据标注并选择数据集,点击创建数据集,为文档命名:dataocat,然后选择数据集输入位置,跳出弹框新建OBS桶,点击创建。
然后返回到创建集的界面,点击刷新会出现刚刚创建的OBS桶
点击进入桶,选择新建文件夹创建一个文件夹,并选择该文件夹
在输出位置再在这个OBS桶中创建一个桶,命名为dogocatoutput,名字自己创,方便区分就行。
然后我们在数据标签中创建两个标签分别输入dog和cat,然后确定
步骤四:
进入数据集后,点击添加图片,打开刚刚下载好的猫狗图片,ctrl+A选择所有图片点击确定,然后200张猫狗图片导入其中。
步骤五:
我们开始要手工标注部分数据,这里建议猫和狗的照片各标注20和30张。
步骤 六:剩余的数据使用智能标注
点击“智能标注“页签,然后点击”启动智能标注“按钮。在弹出的对话框中,模型来源选择“自动选择”。然后点击提交。(智能标注作业运行过程预计3到5分钟左右,ModelArts使用高峰期可能会有时间延迟)
步骤 七: 处理智能标注结果
智能标注作业完成后,我们需要人工仔细确认每张图片的智能标注的结果。首先,对标注正确的图片进行接纳。对智能标注结果进行分类,依次处理每个类别。点击类别下拉框,选择其中一类,比如cat,如下图所示:
人工确认每张图片,如果是cat,就选择图片(可以多选),然后点击按钮“将选中的图片确认为已标注”,接纳标注结果。注意,不是cat的图片,不要选,后面会处理。如下图:
cat类别的图片确认完之后,按照相同的方式处理dog类别。
对于错误的标注结果,我们在下一步中处理。
步骤 八:处理智能标注错误的结果
最后,对于智能标注错误的结果,可以在“未标注”页签统一查看到。
对于这些智能标注错误的图片,我们点击“启动智能标注”按钮,使用智能标注再次给这些图片标注。原理是:由于训练数据量增加,标注的精度会大大增加。
等待第二次的智能标注作业运行完成。
步骤 九:再次处理智能标注
依据之前处理智能标注结果的流程,处理第二次的智能标注作业。
迭代上述过程,直到完成所有图片的标注。