基于华为云ModelArts平台利用MobileNetV2算法实现5类花卉分类

***************************************************

码字不易，收藏之余，别忘了给我点个赞吧！

***************************************************

---------Start

基于华为云ModelArts平台利用MobileNetV2算法实现5类花卉分类

实验介绍

本实验使用华为云ModelArts的预置算法MobileNetV2和AI Gallery的flowers-5-manifest图像数据集实现图像分类识别和在线推理。

实验目的

• 了解华为云ModelArts平台用于深度学习目标识别领域的基本解决方案。
• 熟悉平台在深度学习分类任务的训练和推理过程。

实验前提

• 注册华为云官方账号并登录ModelArts控制台。
• 下载OBS Browers+，注册账号并登录。
• 学习参考ModelArts平台的官方文档。（https://support.huaweicloud.com/）

实验环境

1、OBS文件配置

• 根据电脑操作系统下载安装OBS Browser+客户端。
• （https://support.huaweicloud.com/browsertg-obs/obs_03_1003.html）
  
• 打开OBS Browser+客户端，选择AK方式登录，提示输入账号名，Access Key Id 和Secret Access Key(我已填写)。账号名自定义，与华为云账号无关。 点击登录页面的 “获取Access Key”，自动跳转至华为云官网。
  
  
  
• 获取成功后，点击下载.csv文件至本地（妥善保管），打开CSV文件获取Access Key Id 和Secret Access Key。
  
• 复制两个值到登录页面对应位置，点击登录，登录成功可见下图，点击创建桶，区域选择为华北-北京四，名称自定义。
  
  
• 桶创建完成后，点击进入该桶创建4个文件夹（分别代表：数据集，日志，模型，输出的存放位置）。
  
  

2、数据集准备（采用平台提供的数据集）

• 登录华为云ModelArts平台（区域统一设置为北京4），进入AI Gallery模块。
  
• 搜索关键字flower，选择数据集，点击下载。
  
  
• 选择目标区域（设置为华北-北京四）。
  
  
• 选择目标位置为OBS上创立的数据集文件夹datasets。
  
• 确认信息后点击下载。
  
• 等待下载完成后，在OBS Browsers+中datasets文件夹下可见两个对应的文件夹。
  
  
• 在ModelArts平台的数据管理-数据集中可见下载的数据集，下载的数据集需要进一步切分才能使用。点击发布，设置训练集和测试集的比例为0.8，点击确认，等待处理完成。
  
  
  

3、预置网络准备（采用平台提供的算法）

• Al Gallery页面算法搜索 ”图像分类-MobileNet_v2“，点击选择。
  
• 点击订阅，订阅成功后点击进入控制台可见订阅的模型结构。
  
  
• 涉及区域选择处，统一设置为华北-北京四，点击确定。
  

实验步骤

• 选择订阅的MobileNetV2算法
  
• 选择8.0.0版本，点击创建训练作业，进行训练相关信息的确认。
  
  
• 选择v002版本（切分后）数据集。
  
• 选择模型输出位置为OBS上的output文件夹。
  
• 所有超参数不做设置，保持默认即可。
  
• 使用公共资源池，限时免费GPU（免费计算一小时后自动停止，此次实验能够正常训练至完成）和一个计算节点。
  
• 提交之后，自动跳转至ModelArts训练管理模块，查看作业训练状态。
  
• 等到作业状态为已完成时，点击作业名称可查看训练过程详情：例如训练输出日志，资源占用情况和综合评估结果。对此华为云官方还给出了模型调优建议，非常详细，可参考之。
  
  

模型推理

• 此时，模型训练完毕后，可通过ModelArts平台的模型管理模块将刚刚训练好的模型导入，导入后的模型可进行推理操作。
  
• 名称和版本号处采用默认设置，元模型来源处选择刚刚训练结束的作业名称，AI引擎将会自动更新，无需修改。其他设置均保持默认即可。
  
• 部署类型选择在线服务（推理过程：主动上传图片，输出分类结果和类别概率），点击立即创建，等待模型导入完毕。
  
  
• 等待模型导入成功，点击部署上线模块中的在线服务，点击部署。

• 名称保持默认即可，资源池选择公共资源池，模型选择刚导入的模型，计算节点选择【限时免费】,其他设置保持不变，确认无误后点击下一步，点击提交。
  
  
  
• 等待在线服务部署完成后，点击预测，点击上传，选择图片进行预测。
  
  
• 点击预测，输出结果，图左为预测图像，图右为预测类别和分类概率。
  
• 点击预测，输出结果，图左为预测图像，图右为预测类别和分类概率。