文档首页 > > 最佳实践> ModelArts样例列表

ModelArts样例列表

分享
更新时间:2020/10/16 GMT+08:00

在最佳实践文档中,提供了针对多种场景、多种AI引擎的ModelArts样例,方便您通过如下样例快速了解使用ModelArts完成AI开发的流程和操作。

自动学习样例列表(基础教程)

表1 自动学习样例列表

样例

对应功能

场景

说明

找云宝

自动学习

物体检测

基于云宝数据集,使用ModelArts自动学习的物体检测算法,识别图片中的云宝。

银行存款预测

自动学习

预测分析

根据客户特征(年龄、工作类型、婚姻状况、文化程度、是否有房贷和是否有个人贷款),预测客户是否愿意办理定期存款业务。

预置算法样例列表(基础教程)

样例

引擎

对应功能

场景

说明

使用AI市场的预置算法训练模型

TensorFlow

AI市场>预置算法

图像分类

此样例介绍如何从AI市场,订阅一个预置算法resnet_v1_50,同时使用算法训练得到模型,最终将模型部署为在线服务的端到端指导。

使用时序预测算法实现访问流量预测

PyTorch

AI市场>预置算法

时序预测

本章节介绍使用AI市场中预置的时序预测算法实现访问流量预测。

使用强化学习内置环境

TensorFlow

AI市场>预置算法

强化学习

介绍使用AI市场中预置的强化学习算法训练内置环境Breakout示例。

花卉识别

TensorFlow

训练管理>预置算法

图像分类

使用预置的“ResNet_v1_50”算法对花卉数据进行训练,实现识别花卉种类的应用。

Notebook样例列表(基础教程)

样例

引擎

对应功能

场景

说明

使用Notebook实现手写数字识别

TensorFlow

  • 自行编写训练脚本
  • AI全流程开发

图像识别

基于MoXing框架开发训练脚本,通过AI全流程开发实现手写数字识别的应用。

使用Pytorch实现物体检测(Faster R-CNN)

PyTorch

  • 自行编写训练脚本

物体检测

介绍一种two-stage算法(Faster R-CNN),将目标区域检测和类别识别分为两个任务进行物体检测。本示例采用PyTorch引擎进行模型构建。

常用框架样例列表(AI全流程基础教程)

表2 AI全流程样例列表

样例

引擎

对应功能

场景

说明

手写数字识别

MXNet

  • 自行编写训练脚本
  • AI全流程开发

图像识别

基于MXNet引擎,开发训练脚本,并通过AI全流程开发实现手写数字识别的应用。

手写数字识别

TensorFlow

  • 自行编写训练脚本
  • AI全流程开发

图像识别

基于TensorFlow引擎,开发训练脚本,并通过AI全流程开发实现手写数字识别的应用。

手写数字识别

Caffe

  • 自行编写训练脚本
  • AI全流程开发

图像识别

基于Caffe引擎,开发训练脚本,并通过AI全流程开发实现手写数字识别的应用。

精准推荐

Spark MLlib

  • 自行编写训练脚本
  • AI全流程开发

预测推荐

基于Spark MLlib引擎,提供精准营销的方向和辅助决策,提升消费品转化率和商家利润,改善消费者的消费体验。

Caltech图像识别

MXNet

  • 自行编写训练脚本
  • AI全流程开发

图像识别

基于MXNet引擎,对Caltech数据集进行训练,实现Caltech图像识别应用。

车辆满意度测评

Spark MLlib

  • 自行编写训练脚本
  • AI全流程开发

KNN分类

使用KNN分类算法进行车辆满意度测评,选用经典的Car Evaluation数据集,通过对六个特征值进行测评,得到用户对车辆的满意程度。

鸢尾花卉分类预测

Spark MLlib

  • 自行编写训练脚本
  • AI全流程开发

分类预测

通过花萼长度,花萼宽度,花瓣长度,花瓣宽度4个属性预测鸢尾花卉属于(Setosa,Versicolour,Virginica)三个种类中的哪一类。

Ascend应用样例列表(基础教程)

针对支持使用Ascend应用的算法,本文档提供了如下几个操作样例,您可以参考如下典型样例,使用ModelArts提供的预置算法(训练管理或AI市场),支撑您的业务应用。

表3 Ascend样例列表

样例

引擎

对应功能

场景

说明

使用预置算法实现物体检测(Ascend310)

TensorFlow

预置算法(训练管理)、Ascend 310推理

物体检测

使用预置算法训练模型,然后将所得模型使用Ascend 310部署为在线服务。

使用预置算法实现图像分类(Ascend310推理)

TensorFlow

预置算法(AI市场)、Ascend 310推理

图像分类

此样例介绍如何从AI市场,订阅一个预置算法resnet_v1_50,同时使用算法训练得到模型,最终将模型使用Ascend 310部署为在线服务的端到端指导。

Ascend910训练和Ascend310推理的样例

MindSpore

预置算法(AI市场)、Ascend 910训练、Ascend 310推理

图像分类

针对ModelArts官方提供的ResNet50算法(MindSpore引擎),可使用Ascend 910训练,同时使用Ascend 310推理。以云的方式提供充裕且经济的AI算力,支撑更多科研探索及行业AI应用。

PyCharm ToolKit样例列表(高阶教程)

表4 PyCharm ToolKit样例列表

样例

引擎

对应功能

场景

说明

PyCharm本地训练和部署

MXNet

PyCharm ToolKit工具

图像识别

针对使用MXNet引擎开发的手写数字识别模型,您可以使用ModelArts提供的PyCharm ToolKit工具,在本地快速完成模型的训练和部署。

ModelArts+HiLens样例(基础教程)

表5 ModelArts和HiLens样例列表

样例

引擎

对应功能

场景

说明

手势识别技能开发

TensorFlow

AI市场>预置算法、HiLens

图像识别

提供了一个手势识别技能的样例,介绍从模型训练到查看技能效果,新建一个全新技能的全流程,帮助您快速熟悉ModelArts和Huawei HiLens技能开发的使用过程。

高级功能应用样例(高阶教程)

表6 强化学习自定义环境使用样例

样例

引擎

对应功能

场景

说明

使用强化学习自定义环境

TensorFlow

AI市场>预置算法

强化学习

使用AI市场强化学习算法训练自定义环境“模拟期货交易”示例。

表7 MoXing使用样例

样例

引擎

对应功能

场景

说明

冰山识别

MoXing

Notebook

图像分类

在ModelArts上使用MoXing框架,利用算法识别出图像中是冰山(iceberg)还是船(ship)。

手写数字识别

MoXing

  • 自行编写训练脚本
  • AI全流程开发

图像识别

基于MoXing框架开发训练脚本,通过AI全流程开发实现手写数字识别的应用。

分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!非常感谢您的反馈,我们会继续努力做到更好!
反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨

智能客服提问云社区提问