文档首页> AI开发平台ModelArts> 快速入门> AI初学者:使用订阅算法构建模型实现花卉识别
更新时间:2022-04-15 GMT+08:00
分享

AI初学者:使用订阅算法构建模型实现花卉识别

ModelArts在AI Gallery中提供了适用于“物体检测”“图像分类”“文本分类”等场景的算法、数据、模型等。

本案例以“ResNet_v1_50”算法、花卉识别数据集为例,指导如何从AI Gallery订阅数据和算法,然后使用算法创建训练模型,将所得的模型部署为在线服务。其他算法操作步骤类似,可参考“ResNet_v1_50”算法操作。

步骤1:准备训练数据

步骤2:订阅算法

步骤3:使用订阅算法创建训练作业

步骤4:创建AI应用

步骤5:部署为在线服务(CPU)

步骤6:清除资源

费用说明:本案例使用过程中,从AIGallery下载数据集和订阅算法免费,在ModelArts上运行训练作业推荐使用免费资源,将模型部署为在线服务推荐使用免费资源。但是数据集存储在OBS桶中会收取少量费用,具体计费请参见OBS价格详情页,案例使用完成后请及时清除资源和数据。

准备工作

  • 注册华为云帐号、实名认证
  • 配置委托访问授权
    ModelArts使用过程中涉及到OBS、SWR、IEF等服务交互,首次使用ModelArts需要用户配置委托授权,允许访问这些依赖服务。
    1. 使用华为云帐号登录ModelArts管理控制台,在左侧导航栏单击“全局配置”,进入“全局配置”页面,单击“添加授权”。
    2. 在“访问授权”页面,选择需要授权的“用户名”,选择新增委托及其对应的权限“普通用户”,并勾选“我已经详细阅读并同意《ModelArts服务声明》”,然后单击“创建”。
      图1 配置委托访问授权
    3. 完成配置后,在ModelArts控制台的全局配置列表,可查看到此帐号的委托配置信息。
      图2 查看委托配置信息
  • 入驻AI Gallery
    首次在AI Gallery中使用AI资产,需要先完成入驻AI Gallery。
    1. 进入AI Gallery,在“资产集市 > 算法”页面上单击“发布”按钮,将跳转至“欢迎入驻AI Gallery”页面。单击“入驻”跳转至“欢迎入驻AI Gallery”页面。
      图3 入驻AI Gallery
    2. “欢迎入驻AI Gallery”,填写“昵称”“邮箱”,并根据提示获取验证码。阅读并同意《华为云AI Gallery数字内容发布协议》和《华为云AI Gallery服务协议》后,单击“确定”完成入驻。
      图4 完成入驻

步骤1:准备训练数据

  1. 单击案例链接四类花卉图像分类小数据集进入案例详情页
  2. 单击“下载”跳转至下载页面详情页。
    图5 下载数据集
  3. 在下载详情页,填写参数。
    • 下载方式:选择“对象存储服务(OBS)
    • 目标区域:选择“华北-北京四”
    • 目标位置:请选择一个空的OBS目录,本示例为“/test-modelartsz/dataset-flower/”
      图6 下载至OBS

      此处从AIGallery下载并使用数据集是限时免费的,但数据集存储在OBS,从OBS中读取数据需要根据OBS的计费原则收费。

  4. 确认无误后,单击确定。页面自动跳转到“个人中心>我的数据>我的下载”页面,请耐心等待,预计5分钟左右。
  5. 下载完成后,您可以单击目标位置跳转至OBS桶中查看是否存在已下载的数据。

步骤2:订阅算法

目前“图像分类-ResNet_v1_50”算法发布在AI Gallery中。您可以前往AI Gallery,订阅此模型,然后同步至ModelArts中。

  1. 在ModelArts管理控制台中,在左侧菜单栏中选择AI Gallery,进入AI Gallery。
  2. 在AI Gallery中,选择“资产集市>算法”页签,在搜索框中输入“图像分类-ResNet_v1_50”,查找对应的算法。请选择支持CPU、GPU训练的算法。
  3. 单击算法链接进入算法详情页,单击右侧的“订阅”,根据界面提示完成算法订阅。

    此算法由ModelArts官方提供,目前免费开放。订阅算法完成后,页面的“订阅”按钮显示为“已订阅”

  4. 单击详情页的“前往控制台”,此时弹出“选择云服务区域”对话框,选择ModelArts对应的区域,然后再单击“确定”

    页面将自动跳转至ModelArts的“算法管理>我的订阅”中同步对应的算法。

    此处选择的云服务区域必须和数据集存放的区域保持一致,否则会找不到数据集,本示例中都是华北-北京四。

    图7 前往控制台
    图8 选择云服务区域
  5. 在ModelArts管理控制台的算法管理页面,算法将自动同步至ModelArts中。

步骤3:使用订阅算法创建训练作业

算法订阅成功后,算法将呈现在“算法管理>我的订阅”中,您可以使用订阅的“图像分类-ResNet_v1_50”算法创建训练作业,获得模型。

  1. 进入“算法管理 > 我的订阅”页面,选择订阅的“图像分类-ResNet_v1_50”算法,单击左侧的小三角展开算法,在版本列表中,单击“创建训练作业”
    图9 创建训练作业
  2. 在创建训练作业页面,参考如下说明填写关键参数。
    • “算法>我的订阅”:系统默认选择订阅的算法,请勿随意修改。
    • “训练输入”:选择数据存储位置,然后从弹出的窗口中选择步骤1:准备训练数据中下载好的数据dataset-flower。
    • “训练输出”:选择一个OBS空目录存储训练输出的模型。例如:“test-modelartsz/output”
    • “超参”:建议采用默认值。如需进行调优,可参考运行参数说明
    • “资源类型”:可以选择限时免费的GPU规格资源,如果希望训练效率更高,可以选择收费的GPU资源。
    • “计算节点个数”:建议采用默认值1。
      图10 训练作业参数-训练输入/输出
  3. 参数填写完成后,单击“提交”,根据界面提示确认规格,单击“确定”,完成训练作业创建。
  4. 进入“训练管理 > 训练作业New”页面,等待训练作业完成。

    训练作业运行需要几分钟时间,请耐心等待。根据经验,选择样例数据集,使用GPU资源运行,预计3分钟左右可完成。

    当训练作业的状态变更为“已完成”时,表示已运行结束。

    您可以单击训练作业名称,进入详情页面,了解训练作业的“配置信息”、“日志”、“资源占用情况”和“评估结果”等信息。您也可以在配置的“训练输出位置”对应的OBS目录下获得训练生成的模型。

步骤4:创建AI应用

  1. 在训练作业详情页的右上角单击“创建AI应用”,进入创建AI应用页面,
    图11 创建AI应用

    也可以在ModelArts管理控制台,选择“AI应用管理 > AI应用”,在“我的AI应用”页面,单击“创建”,进入创建AI应用页面。

  2. 在创建AI应用页面,系统会自动根据上一步训练作业填写参数,参考如下说明确认关键参数。

    “元模型来源”:系统自动选择“从训练中选择 >训练作业(New)”

    “选择训练作业”:系统自动选择上一步创建的训练作业。

    “AI引擎”:系统自动写入该模型的AI引擎,无需修改。

    “推理代码”:系统自动放置推理代码到OBS输出路径,无需修改。

    “部署类型”:默认选择“在线部署”
    图12 从训练中选择
  3. 参数填写完成后,单击“立即创建”。页面自动跳转至AI应用列表页面,等待创建结果,预计2分钟左右。

    当AI应用的状态变为“正常”时,表示创建成功。

    图13 模型导入成功

步骤5:部署为在线服务(CPU)

AI应用创建成功后,可将其部署为在线服务,在部署时可使用CPU资源。

  1. 在AI应用列表中,单击名称前面的,在版本的操作列中单击“部署 > 在线服务”
    图14 部署模型
  2. 在部署页面,参考如下说明填写关键参数。
    • “资源池”:选择“公共资源池”
    • “选择AI应用及版本”:AI应用来源及版本会自动选择前面创建的AI应用。
    • “计算节点规格”:在下拉框中选择限时免费的CPU资源,若限时免费资源售罄,建议选择收费CPU资源进行部署。
    • “计算节点个数”,默认设置为“1”,目前仅支持单机部署,只能设置为“1”,不可修改。
    • 其他参数可使用默认值。

    选择CPU资源部署模型会收取少量费用,具体费用以界面信息为准。

    如果需要使用GPU资源部署上线,需要进入模型所在位置,即步骤3:使用订阅算法创建训练作业步骤生成的“训练输出”路径,进入“model”目录,打开并编辑“config.json”文件,将“runtime”的配置修改为ModelArts支持的GPU规格,例如"runtime": "tf1.13-python3.6-gpu"。修改完成后,重新执行导入模型部署为在线服务的操作。

    图15 部署模型
  3. 参数设置完成后,单击“下一步”,确认规格参数,单击提交,完成在线服务的部署。
  4. 您可以进入“部署上线 > 在线服务”页面,等待服务部署完成,当服务状态变为运行中时,表示服务部署成功。预计时长2分钟左右。
    图16 运行中的服务
  5. 在线服务部署完成后,您可以单击操作列的预测,进入服务详情页的“预测”页面。
  6. “预测”页签,单击“上传”,上传一个测试图片,进行预测。此处提供一个预测样例图供使用。
    图17 预测样例图
    图18 预测结果

步骤6:清除资源

为避免产生不必要的费用,通过此示例学习订阅算法的使用后,建议您清除相关资源,避免造成资源浪费。

  • 停止在线服务:在“在线服务”页面,单击对应服务操作列的“停止”
  • 删除训练作业:在“训练作业New”页面,单击操作列的“删除”
  • 删除数据:前往OBS,删除上传的数据,然后删除文件夹及OBS桶。
分享:

    相关文档

    相关产品

close