文档首页 > > AI工程师用户指南> 开发环境(Notebook)> 使用JupyterLab> 使用ModelArts示例

使用ModelArts示例

分享
更新时间:2020/08/07 GMT+08:00

ModelArts提供了Notebook示例,方便初学者通过示例,快速了解如何使用ModelArts Notebook。

预览ModelArts Examples

在JupyterLab中,单击左侧第二个按钮,按钮上会提示“Modelarts Examples”。可选择任意Example单击打开,打开的Example会在JupyterLab右侧显示,打开后Example为只读模式,可以进行浏览。
图1 打开Examples
表1 Machine learning introduction示例

示例名称

描述

mxnet_mnist_digit_recognition_train.ipynb

本示例介绍使用MXNet实现MNIST数据集的手写数字图像识别应用,主要是完成训练脚本的开发。

mxnet_object_detection.ipynb

本示例基于MXNet引擎搭建目标检测yolo-v3模型, 将其应用到"云宝"的检测中。

sklearn_bank_loan_prediction_bayes_classification.ipynb

本示例基于XGBoost-Sklearn的Naive Bayes(朴素贝叶斯)分类器,预测客户是否有银行贷款的意向。

sklearn_collaborative_filtering_for_movie_recommender.ipynb

本示例基于XGBoost-Sklearn引擎计算相似矩阵,结合影评数据集实现电影推荐系统。

sklearn_diabetes_prediciton_logistic_regression.ipynb

本示例基于XGBoost-Sklearn逻辑回归(Logistic Regression), 预测人们是否患糖尿病。

sklearn_image_compression_k-means_clustering.ipynb

本示例基于XGBoost-Sklearn聚类算法k-means实现对图像的压缩。

tensorflow_image_segmentation_with_mask_rcnn_py36.ipynb

本示例基于TensorFlow实现对Mask-RCNN模型进行训练,实现图像分割。

表2 ModelArts Python SDK示例

示例名称

描述

mxnet_face_recognition.ipynb

本示例基于Modelarts SDK功能,利用MXNet引擎,端到端实现人脸识别项目的一站式开发。

mxnet_mnist_digit_recognition.ipynb

本示例基于Modelarts SDK功能,利用MXNet引擎,端到端实现手写数字识别项目的一站式开发,包括数据管理、提交训练作业、导入模型、部署在线服务和在线预测。

obs_management_with_sdk.ipynb

本示例基于Modelarts SDK的OBS管理功能,展示SDK对OBS的增删改等操作。

pytorch_text_sentiment_analysis_py36.ipynb

本示例基于PyTorch引擎训练模型,实现文本情感分析。

mxnet_digit_recognition_local_mode.ipynb

本示例基于Modelarts SDK功能,利用MXNet引擎,端到端实现手写数字识别项目的一站式开发,在线训练、本地推理、快速验证模型。

使用ModelArts Examples

在Examples列表中,选择任意一个Example单击打开,打开的Example会在JupyterLab右侧显示,打开后Example为只读模式,可以进行浏览。如果需要在本地编辑或运行,请单击界面右上方“Create a copy”,输入保存路径,则会拷贝当前Example以及依赖文件到保存目录中,并打开一个新页签用于直接编辑以及运行。

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