AI开发平台ModelArtsAI开发平台ModelArts

计算
弹性云服务器 ECS
裸金属服务器 BMS
云手机 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器 HECS
VR云渲游平台 CVR
特惠算力专区
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属企业存储服务
云存储网关 CSG
专属分布式存储服务 DSS
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘小站 IES
智能边缘平台 IEF
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
园区智能体 CampusGo
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
视频分析服务 VAS
语音交互服务 SIS
知识图谱 KG
人证核身服务 IVS
IoT物联网
设备接入 IoTDA
设备管理 IoTDM(联通用户专用)
全球SIM联接 GSL
IoT数据分析
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
开发与运维
软件开发平台 DevCloud
项目管理 ProjectMan
代码托管 CodeHub
流水线 CloudPipeline
代码检查 CodeCheck
编译构建 CloudBuild
部署 CloudDeploy
云测 CloudTest
发布 CloudRelease
移动应用测试 MobileAPPTest
CloudIDE
Classroom
开源镜像站 Mirrors
应用魔方 AppCube
云性能测试服务 CPTS
应用管理与运维平台 ServiceStage
云应用引擎 CAE
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
资源管理服务 RMS
应用身份管理服务 OneAccess
区块链
区块链服务 BCS
可信跨链服务 TCS
可信分布式身份服务
智能协作
IdeaHub
开发者工具
SDK开发指南
API签名指南
DevStar
HCloud CLI
Terraform
Ansible
云生态
云市场
合作伙伴中心
华为云培训中心
其他
管理控制台
消息中心
产品价格详情
系统权限
我的凭证
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
应用编排服务 AOS
多云容器平台 MCP
基因容器 GCS
容器洞察引擎 CIE
云原生服务中心 OSC
容器批量计算 BCE
容器交付流水线 ContainerOps
应用服务网格 ASM
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB (for openGauss)
云数据库 GaussDB(for MySQL)
云数据库 GaussDB NoSQL
数据管理服务 DAS
数据库和应用迁移 UGO
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据湖治理中心 DGC
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
API网关 APIG
分布式缓存服务 DCS
分布式消息服务RocketMQ版
企业应用
域名注册服务 Domains
云解析服务 DNS
云速建站 CloudSite
网站备案
商标注册
华为云WeLink
会议
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMAExchange
API全生命周期管理 ROMA API
安全与合规
安全技术与应用
DDoS防护 ADS
Web应用防火墙 WAF
云防火墙 CFW
应用信任中心 ATC
企业主机安全 HSS
容器安全服务 CGS
云堡垒机 CBH
数据库安全服务 DBSS
数据加密服务 DEW
数据安全中心 DSC
云证书管理服务 CCM
SSL证书管理 SCM
漏洞扫描服务 VSS
态势感知 SA
威胁检测服务 MTD
管理检测与响应 MDR
安全治理云图 Compass
认证测试中心 CTC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
专属云
专属计算集群 DCC
解决方案
高性能计算 HPC
SAP
混合云灾备
华为工业云平台 IMC
价格
成本优化最佳实践
专属云商业逻辑
用户服务
帐号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
更新时间:2021-12-06 GMT+08:00
分享

数据选择(难例)

算法概述

在实际业务场景中,模型维护是一个长期的过程,比如说按照每周、每月进行数据重训练,或者累计数据至一定量时进行定期的重训练。如果将全量的数据用于重训练,需要耗费较大的标注人力和训练耗时。为了提升模型维护效率,可以采用基于难例数据的重训练 。

​难例筛选算法对全量数据进行分析并筛选,仅输出全量数据中少部分对于模型维护有价值的数据。基于筛选后的数据进行重训练,可以有效减少标注人力和训练耗时。

难例筛选算法中融合了多种方法,要达到最佳效果,需要根据实际数据选择部分或全部方法,并调整其权重。

参数说明

参数名

是否必选

默认值

参数说明

source_service

Y

inference

难例任务的前置数据来源,目前仅支持inference。此参数不可修改。

filter_func

Y

comprehensive_mining

难例筛选算法设置为“comprehensive_mining”。此参数不可修改。

checkpoint_path

Y

/home/work/user-job-dir/data_filter/resnet_v1_50

用于特征提取的模型目录,当前仅支持基于Imagenet预训练的resnet_v1_50模型,此参数目前暂时不可修改。

model_serving_url

N

None

推理模型路径。得出推理结果的模型文件路径, 即训练作业的输出路径。该模型会用于aug_consistent_mining算法中的数据增强再推理。

请输入一个真实存在的OBS目录,例如:obs://obs_bucket_name/folder_name/

train_data_path

N

None

训练数据集,model_serving_url模型使用的训练数据,需输入数据集版本生成的manifest。

请输入一个真实存在的OBS目录,例如:obs://obs_bucket_name/folder_name/v001.manifest

comprehensive_algo_config

N

clustering_mining:0.2020+aug_consistent_mining:0.4265+feature_distribution_mining:0.0451+sequential_mining:0.425+image_similarity_mining:0.0949+predict_score_mining:0.3900+anomaly_detection_mining:0.2020

使用的算法及其权重,默认使用系统实验后效果最佳参数,也可以根据不同的数据自行配置。

例如:predict_score_mining:0.3900+anomaly_detection_mining:0.2020

algo_hard_threshold

N

0.1

筛选系数的阈值设置。取值范围0~1。

由于过高阈值可能导致输出结果为0,建议合理填写。

aug_op_config

N

crop:0.1+fliplr:0.1+gaussianblur:0.1

aug_consistent_mining算法中用到的增强手段,支持crop、fliplr、gaussianblur、flipud、scale、translate、shear、superpixels、sharpen、add、invert。

feature_op_config

N

image_aspect_ratio:0.5+image_brightness:1.0+image_saturation:0.5+image_resolution:0.5+image_colorfulness:0.5+ambiguity:1.0+bbox_num:1.0+bbox_iou:1.0+bbox_std:0.5+bbox_bright:0.5+bbox_ambiguity:0.5+bbox_aspect_ratio:1.0+bbox_area_ratio:0.5+bbox_edge_value:0.5

feature_distribution_mining算法中定义的特征,可自行修改权重。

score_threshold_up

N

0.6

predict_score_mining算法中定义的置信度最高值。取值范围0~1。

score_threshold_low

N

0.3

predict_score_mining算法中定义的置信度最低值。取值范围0~1。

margin

N

0.8

top2置信度差值定义, 差值超过该阈值,则为难例。取值范围0~1,默认值为 0.8。

similarity_sample_ratio

N

1.0

image_similarity_mining算法中的相似比例定义。取值范围0~1,默认值为1.0。

task_summary_file

N

None

算法简化的日志输出路径及日志文件。请填写一个真实存在的OBS目录,以“obs://”开头。文件名称可自行定义。

例如:obs://obs_bucket_name/folder_name/xxx.log

output_dataset_type

N

manifest

支持directory和manifest类型。

  • directory:将原始图片和标签输出到结果目录的Data文件夹下。
  • manifest:仅输出manifest文件。

该参数在数据处理模块将根据页面选择自动填充。

输入要求

算子输入分为两种,“数据集”“OBS目录”

  • 选择“数据集”,请从下拉框中选择ModelArts中管理的数据集及其版本。要求数据集类型与您在本任务中选择的场景类别一致。
  • 选择“OBS目录”,目录下需包含用于推理的原始图片以及推理结果文件

    其目录结构如下所示。

    input_path/
        --images/ # 文件夹名称必须为images
            ----1.jpg
            ----2.jpg
        --inference_results/  # 文件夹名称必须为inference_results
            ----1.jpg_result.txt
            ----2.jpg_result.txt

    其中,推理结果文件txt的内容需满足如下格式。如果使用Modelarts预置算法训练得到的模型进行推理,默认的推理结果已满足要求。

    • 图像分类
      {
          "predicted_label": "dog",
          "scores": [
              [
                  "dog",
                  "0.589"
              ],
              [
                  "cat",
                  "0.411"
              ]
          ]
      }
    • 物体检测
      {
          "detection_classes": [
              "cat",
              "cat"
              ],
          "detection_boxes": [
              [
                  117.56356048583984,
                  335.9902648925781,
                  270.50848388671875,
                  469.0136413574219
              ],
              [
                  18.747316360473633,
                  13.10757064819336,
                  217.25146484375,
                  108.3551025390625
              ]
          ],
          "detection_scores": [
                  0.5179755091667175,
                  0.46941104531288147
              ]
      }

输出说明

  • 目标检测

    输出目录结构如下所示。

    output_path :
        --Data
            ----1.jpg
            ----1.xml      # 导出筛选结果至该目录下
        --output.manifest

    其中manifest文件示例如下所示。

    {"source":"/tmp/test_out/object_detection/images/be462ea9c5abc09f.jpg",
    "hard":"True",
    "hard-reasons":"0",  # 判定该样本为难例的原因,具体原因目前只在智能标注模块展示
    "hard-coefficient":"1.0", # 难例算法得到的难例系数,越大代表可能是难例的概率越大
    "annotation":[
    {"annotation-loc":"/tmp/test_out/object_detection/annotations/be462ea9c5abc09f.xml",
    "type":"modelarts/object_detection",
    "annotation-format":"PASCAL VOC",
    "annotated-by":"modelarts/hard_example_algo"}]}
  • 图像分类

    输出目录结构如下所示。

    output_path :
        --Data
            ----class1
                ------1.jpg
            ----class2
                ------2.jpg
        --output.manifest

    其中manifest文件示例如下所示。

    {"source":"obs://obs_bucket_name/folder_name/catDog/5.jpg",
    "hard":true,
    "hard-reasons":"1-20-2-19-21-3",
    "hard-coefficient":1.0,
    "annotation":[
    {"name":"cat",
    "type":"modelarts/image_classification",
    "confidence":0.599,
    "annotated-by":"modelarts/hard_example_algo"}]}

日志文件说明

task_summary_file 为简化日志的输出文件路径,内容如下:

{
"task_status": 'SUCCEED', # 算法执行状态
"total_sample": integer,  # 输入样本总数
"hard_sample": integer    # 输出样本总数
}

或者是

{
"task_status": 'FAILED',
"error_message": 'xxxxxx' # 导致算法执行失败的异常信息
}
分享:

    相关文档

    相关产品

关闭导读