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
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
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
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
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
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 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(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
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
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
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
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
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
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
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
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
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
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
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
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
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
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
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
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
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
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 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
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
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
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
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务

创建ModelArts数据增强任务

更新时间:2024-10-15 GMT+08:00
分享

前提条件

  • 数据已准备完成:已经创建数据集或者已经将数据上传至OBS。
  • 确保您使用的OBS与ModelArts在同一区域。

创建数据处理任务

  1. 登录ModelArts管理控制台,在左侧的导航栏中选择“数据准备>数据处理”,进入“数据处理”页面。
  2. “数据处理”页面,单击“创建”进入“创建数据处理”页面。
  3. 在创建数据处理页面,填写相关算法参数。
    1. 填写基本信息。基本信息包括“名称”“版本”“描述”。其中“版本”信息由系统自动生成,按“V0001”“V0002”规则命名,用户无法修改。

      您可以根据实际情况填写“名称”“描述”信息。

    2. 设置场景类别。场景类别当前支持“图像分类”“物体检测”
    3. 设置数据处理类型为“数据增强”,填写相应算子的设置参数,算子的详细参数参见数据扩增算子说明数据生成算子(StyleGan算子)数据域迁移算子(CycleGan算子)
      图1 设置场景类别和数据处理类型
    4. 设置输入与输出。需根据实际数据情况选择“数据集”“OBS目录”。设置为“数据集”时,需填写“数据集名称”“数据集版本”;设置为“OBS目录”时,需填写正确的OBS路径。
      图2 输入输出设置-数据集
      图3 输入输出设置-OBS目录
    5. 确认参数填写无误后,单击“创建”,完成数据处理任务的创建。

数据扩增算子说明

数据扩增主要用于训练数据集不足或需要仿真的场景,能通过对已标注的数据集做变换操作来增加训练图片的数量,同时会生成相应的标签。在深度学习领域,增强有重要的意义,能提升模型的泛化能力,增加抗扰动的能力。数据扩增过程不会改动原始数据,扩增后的图片或xml文件保存在指定的输出路径下。

ModelArts提供以下数据扩增算子:

表1 数据扩增算子介绍

算子

算子说明

高级

AddNoise

添加噪声,模拟常见采集设备在采集图片过程中可能会产生的噪声。

  • noise_type:添加噪声的分布类型,Gauss为高斯噪声,Laplace为拉普拉斯噪声,Poisson是泊松噪声,Impulse是脉冲噪声,SaltAndPepper为椒盐噪声。默认值为Gauss
  • loc:噪声分布的均值,仅在Gauss和Laplace生效。默认值为0
  • scale:噪声分布的标准差,仅在Gauss和Laplance生效。默认值为1
  • lam:泊松分布的lambda系数,仅在Poisson有效。默认值为2
  • p:对于每个像素点,出现脉冲噪声或椒盐噪声的概率,仅在Impulse和SaltAndPepper有效。默认值为0.01
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Blur

模糊,使用滤波器对图像进行滤波操作,有时用于模拟成像设备的成像。

  • blur_type:可选Gauss和Average两种模式,分别为高斯和均值滤波。默认值为Gauss
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Crop

图片裁剪,随机裁剪图片的一部分作为新的图片。

  • crop_percent_min:各边裁剪占比的随机取值范围的最小值。默认值为0.0
  • crop_percent_max:各边裁剪占比的随机取值范围的最大值。默认值为0.2
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

CutOut

随机擦除,在深度学习中常用的方法,用于模拟物体被障碍物遮挡。

do_validation:数据扩增前是否进行数据校验。默认值为True。

Flip

翻转,沿图片水平轴或竖直轴做翻转,是非常常见的增强方法。

  • lr_ud:选择翻转的方向,lr为水平翻转,ud为竖直翻转。默认值为lr
  • flip_p:做翻转操作的概率。默认值为1。
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Grayscale

图片灰度化,将三通道的彩色图像转换到三通道的灰度图像。

do_validation:数据扩增前是否进行数据校验。默认值为True。

HistogramEqual

直方图均衡化,多半是使用于让图片的视觉效果更加好,在某些场景下会使用。

do_validation:数据扩增前是否进行数据校验。默认值为True。

LightArithmetic

亮度增强 ,对亮度空间做线性增强操作。

do_validation:数据扩增前是否进行数据校验。默认值为True。

LightContrast

亮度对比度增强,使用一定的非线性函数改变亮度空间的亮度值。

func:默认值为gamma

  • gamma为常见方法伽马矫正,公式为255*((v/255)**gamma)')
  • sigmoid为函数为S型曲线,公式为255*1/(1+exp(gain*(cutoff-I_ij/255)))')
  • log为对数函数,公式为255*gain*log_2(1+v/255)
  • linear为线性函数,公式为127 + alpha*(v-127)')

do_validation:数据扩增前是否进行数据校验。默认值为True。

MotionBlur

运动模糊,模拟物体运动时产生的残影现象。

do_validation:数据扩增前是否进行数据校验。默认值为True。

Padding

图片填充,在边缘添加黑色的边。

  • px_top:图像顶端增加的像素行数。默认值为1
  • px_right:图像右侧增加的像素行数。默认值为1
  • px_left:图像左侧增加的像素行数。默认值为1
  • px_bottom:图像底侧增加的像素行数。默认值为1
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Resize

调整图片大小。

  • height:变换后的图片高度。默认值224
  • width:变换后的图片宽度。默认值224
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Rotate

旋转,将图像围绕中心点旋转的操作,操作完成之后保持图片原本的形状不变,不足的部分用黑色填充。

  • angle_min:旋转角度随机取值范围的最小值,每张图片会从范围中随机取值作为自己的参数。默认值为90°
  • angle_max:旋转角度随机取值范围的最大值,每张图片会从范围中随机取值作为自己的参数。默认值为-90°
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Saturation

色度饱和度增强,对图片的HSV中的H和S空间做线性的变化,改变图片的色度和饱和度。

do_validation:数据扩增前是否进行数据校验。默认值为True。

Scale

图片缩放,将图片的长或宽随机缩放到一定倍数。

  • scaleXY:缩放方向,X为水平,Y为垂直。默认值为X
  • scale_min:缩放比例随机取值范围的最小值。默认为0.5
  • scale_max:缩放比例随机取值范围的最大值。默认值为1.5
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Sharpen

图像锐化,用于将边缘清晰化,让物体边缘更加明显。

do_validation:数据扩增前是否进行数据校验。默认值为True。

Shear

图片错切,一般用于图片的几何变换,通过线性函数将像素点进行映射。

  • shearXY:错切方向,X为水平,Y为竖直。默认值为X
  • shear_min:错切角度随机取值范围的最小值。默认值为-30
  • shear_max:错切角度随机取值范围的最大值。默认值为30
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Translate

图片平移,将图片整体向X轴或Y轴平移,超出原图部分舍弃,丢失部分用黑色填充。

  • translateXY:平移的方向,X为水平,Y为竖直。默认值为X
  • do_validation:数据扩增前是否进行数据校验。默认值为True。

Weather

添加天气,模拟天气效果。

weather_mode:添加天气的模式,默认值为Rain。

  • Rain:下雨
  • Fog:雾
  • Snow:雪
  • Clouds:云

do_validation:数据扩增前是否进行数据校验。默认值为True。

  • 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”,存放结构支持“包含图片和标注信息”模式。

      “包含图片和标注信息”,根据不同场景类型,结构不同。

      图像分类场景,其目录结构如下所示。如下目录结构,仅支持单标签场景。

      input_path/
          --label1/
              ----1.jpg
          --label2/
              ----2.jpg
          --../

      物体检测场景,其目录结构如下所示。支持jpg、jpeg、png、bmp格式的图片,xml为标准的PACAL VOC格式标注文件。

      input_path/
          --1.jpg
          --1.xml
          --2.jpg
          --2.xml
          ...
  • 输出说明

    由于算法中有些操作将会舍弃一些数据,输出文件夹里可能不包含全量数据集。例如,“Rotate”会舍弃标注框超出原始图片边界的图片。

    输出目录结构如下所示。其中“Data”文件夹用于存放新生成的图片和标注信息,“manifest”文件存储文件夹中图片的结构,可直接导入到数据集中。

    |----data_url
        |----Data
            |----xxx.jpg
            |----xxx.xml(xxx.txt)
        |----output.manifest

    其中manifest文件内容示例如下所示。

    {
    	"id": "xss",
    	"source": "obs://home/fc8e2688015d4a1784dcbda44d840307_14.jpg",
    	"usage": "train", 
    	"annotation": [
    		{
    			"name": "Cat", 
    			"type": "modelarts/image_classification"
    		}
    	]
    }

数据生成算子(StyleGan算子)

图像生成利用Gan网络依据已知的数据集生成新的数据集。Gan是一个包含生成器和判别器的网络,生成器从潜在空间中随机取样作为输入,其输出结果需要尽量模仿训练集中的真实样本。判别器的输入则为真实样本或生成网络的输出,其目的是将生成网络的输出从真实样本中尽可能分辨出来。而生成网络则要尽可能地欺骗判别网络。两个网络相互对抗、不断调整参数,最终目的是使判别网络无法判断生成网络的输出结果是否真实。训练中获得的生成器网络可用于生成与输入图片相似的图片,用作新的数据集参与训练。基于Gan网络生成新的数据集不会生成相应的标签。图像生成过程不会改动原始数据,新生成的图片或xml文件保存在指定的输出路径下。

基于StyleGan2用于在数据集较小的情形下,随机生成相似图像。StyleGAN提出了一个新的生成器结构,能够控制所生成图像的高层级属性(high-level attributes),如发型、雀斑等;并且生成的图像在一些评价标准上得分更好。而本算法又增加了数据增强算法,可以在较少样本的情况下也能生成较好的新样本,但是样本数尽量在70张以上,样本太少生成出来的新图像不会有太多的样式。
图4 StyleGan算子
表2 StyleGan算子高级参数

参数名

默认值

参数说明

resolution

256

生成正方形图像的高宽,大小需要是2的次方。

batch-size

8

批量训练样本个数。

total-kimg

300

总共训练的图像数量为total_kimg*1000。

generate_num

300

生成的图像数量,如果是多个类的,则为每类生成的数量。

predict

False

是否进行推理预测,默认为False。如果设置True,需要在resume参数设置已经训练完成的模型的obs路径。

resume

empty

如果predict设置为True,需要填写Tensorflow模型文件的obs路径用于推理预测。当前仅支持“.pb”格式的模型。示例:obs://xxx/xxxx.pb。

默认值为empty。

do_validation

True

是否做数据校验,默认为True,表示数据生成前需要进行数据校验,否则只进行数据生成。

  • 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”,图像生成算子不需要标注信息,输入支持单层级或双层级目录,存放结构支持“单层级”“双层级”模式。

    单层级目录结构如下所示:

    image_folder----0001.jpg           
                ----0002.jpg            
                ----0003.jpg            
                ...            
                ----1000.jpg

    双层级目录结构如下所示:

    image_folder----sub_folder_1----0001.jpg                            
                                ----0002.jpg                            
                                ----0003.jpg                            
                                ...                            
                                ----0500.jpg            
                ----sub_folder_2----0001.jpg                            
                                ----0002.jpg                           
                                ----0003.jpg                            
                                ...                            
                                ----0500.jpg
                                ...            
                ----sub_folder_100----0001.jpg                            
                                  ----0002.jpg                            
                                  ----0003.jpg                            
                                  ...                            
                                  ----0500.jpg
  • 输出说明

    输出目录的结构如下所示。其中“model”文件夹存放用于推理的“frozen pb”模型,“samples”文件夹存放训练过程中输出图像,“Data”文件夹存放训练模型生成的图像。

    train_url----model----CYcleGan_epoch_10.pb                  
                      ----CYcleGan_epoch_20.pb                  
                      ...                 
                      ----CYcleGan_epoch_1000.pb         
             ----samples----0000_0.jpg                   
                       ----0000_1.jpg                  
                       ...                   
                       ----0100_15.jpg         
             ----Data----CYcleGan_0_0.jpg                 
                     ----CYcleGan_0_1.jpg                 
                     ...                 
                     ----CYcleGan_16_8.jpg         
             ----output_0.manifest

    其中manifest文件内容示例如下所示。

    {
    	"id": "xss",
    	"source": "obs://home/fc8e2688015d4a1784dcbda44d840307_14.jpg",
    	"usage": "train", 
    	"annotation": [
    		{
    			"name": "Cat", 
    			"type": "modelarts/image_classification"
    		}
    	]
    }

数据域迁移算子(CycleGan算子)

基于CycleGAN用于生成域迁移的图像,即将一类图片转换成另一类图片,把X空间中的样本转换成Y空间中的样本。CycleGAN可以利用非成对数据进行训练。模型训练时运行支持两个输入,分别代表数据的原域和目标域,在训练结束时会生成所有原域向目标域迁移的图像。
图5 CycleGan算子
表3 CycleGan算子高级参数

参数名

默认值

参数说明

do_validation

True

是否进行数据校验,默认为True,表示数据生成前需要进行数据校验,否则只进行数据生成。

image_channel

3

生成图像的通道数。

image_height

256

图像相关参数:生成图像的高,大小需要是2的次方。

image_width

256

图像相关参数:生成图像的宽,大小需要是2的次方

batch_size

1

训练相关参数:批量训练样本个数。

max_epoch

100

训练相关参数:训练遍历数据集次数。

g_learning_rate

0.0001

训练相关参数:生成器训练学习率。

d_learning_rate

0.0001

训练相关参数:判别器训练学习率。

log_frequency

5

训练相关参数:日志打印频率(按step计数)。

save_frequency

5

训练相关参数:模型保存频率(按epoch计数)。

predict

False

是否进行推理预测,默认为False。如果设置True,需要在resume参数设置已经训练完成的模型的obs路径。

resume

empty

如果predict设置为True,需要填写Tensorflow模型文件的obs路径用于推理预测。当前仅支持“.pb”格式的模型。示例:obs://xxx/xxxx.pb。

默认值为empty。

  • 输入说明

    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”,图像生成算子不需要标注信息,输入支持单层级或双层级目录,存放结构支持“单层级”“双层级”模式。

    单层级目录结构如下所示:

    image_folder----0001.jpg           
                ----0002.jpg            
                ----0003.jpg            
                ...            
                ----1000.jpg

    双层级目录结构如下所示:

    image_folder----sub_folder_1----0001.jpg                            
                                ----0002.jpg                            
                                ----0003.jpg                            
                                ...                            
                                ----0500.jpg            
                ----sub_folder_2----0001.jpg                            
                                ----0002.jpg                           
                                ----0003.jpg                            
                                ...                            
                                ----0500.jpg
                                ...            
                ----sub_folder_100----0001.jpg                            
                                  ----0002.jpg                            
                                  ----0003.jpg                            
                                  ...                            
                                  ----0500.jpg
  • 输出说明

    输出目录的结构如下所示。其中“model”文件夹存放用于推理的“frozen pb”模型,“samples”文件夹存放训练过程中输出图像,“Data”文件夹存放训练模型生成的图像。

    train_url----model----CYcleGan_epoch_10.pb                  
                      ----CYcleGan_epoch_20.pb                  
                      ...                 
                      ----CYcleGan_epoch_1000.pb         
             ----samples----0000_0.jpg                   
                       ----0000_1.jpg                  
                       ...                   
                       ----0100_15.jpg         
             ----Data----CYcleGan_0_0.jpg                 
                     ----CYcleGan_0_1.jpg                 
                     ...                 
                     ----CYcleGan_16_8.jpg         
             ----output_0.manifest

    其中manifest文件内容示例如下所示。

    {
    	"id": "xss",
    	"source": "obs://home/fc8e2688015d4a1784dcbda44d840307_14.jpg",
    	"usage": "train", 
    	"annotation": [
    		{
    			"name": "Cat", 
    			"type": "modelarts/image_classification"
    		}
    	]
    }
提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容