基于深度学习模型的花卉图像分类代码_华为不止有鸿蒙！教你快速入门华为免编程深度学习神器ModelArts...

引言：

本文介绍利用华为ModelArts进行深度学习的图像分类任务，不用一行代码。

今年8月9日，在华为史上规模最大的开发者大会上，华为正式发布全球首个基于微内核的全场景分布式OS——鸿蒙操作系统(HarmonyOS)。但你知道吗？除了鸿蒙，华为还有一款好用的不能再好用的深度学习神器，ModelArts。甚至，不用编程，就能完成图像分类的任务。

比如下面用自动学习方法基于花卉数据集快速构建花卉识别应用,而且不用编写一行代码。

服务配置

如果是第一次使用ModelArts服务，在使用之前需要给服务添加访问密钥，授权作业能够访问华为云存储OBS，若没有添加访问密钥，则无法创建作业。具体操作步骤如下：

1. 生成访问密钥：在用户基本信息>管理我的凭证页面新增访问密钥，创建后密钥会下载到本地。

2. 设置ModelArts全局配置：在ModelArts服务页面，添加访问密钥，以授权访问OBS，使用ModelArts各项功能。

1. 生成访问密钥

登陆华为云控制台访问账号中心，用户新增访问密钥并下载到本地保存，操作步骤如下：

步骤 1 通过华为云账号访问华为云控制台，点击控制台右上角用户账号信息，跳转到"用户中心"。请参考图1。

图1 "用户中心"页面

步骤 2 在"用户中心>基本信息"页面点击"管理我的凭证"，跳转到"我的凭证"页面。请参考图2。

图2 "我的凭证"页面

步骤 3 在"我的凭证"页面切换到"管理访问密钥"页签，执行"新建访问密钥"操作，输入登陆密码和短信验证码后，密钥会自动生成并下载到本地，文件名为"credentials.csv"。请参考图3。

图3 新增访问密钥

2. 设置ModelArts全局配置

登陆ModelArts服务控制台，在"全局配置"中设置全局访问密钥，具体操作步骤如下：

步骤 1 登陆ModelArts服务页面，通过左侧导航栏进入到"全局配置"页面。请参考图4。

图4 全局配置界面

步骤 2 执行"添加访问密钥"操作，输入"credentials.csv"文件中的"Access Key"和"Secret Access Key"信息，执行确定操作，完成全局密钥的设置。请参考图5。

图5 添加访问密钥

使用自动学习构建花卉识别应用

这章介绍如何标注花卉数据、并进行模型训练和部署，以下是操作步骤。

1. 创建图像分类项目

步骤 1 创建一个OBS桶，本案例中将桶命名为ai-course-001，同时在创建的OBS桶下创建文件夹/automl/flowers。创建OBS桶和文件夹参考文档：https://support.huaweicloud.com/qs-obs/obs_qs_0001.html 。

步骤 2 进入ModelArts管理控制台界面。单击左侧导航栏的"自动学习"，进入"自动学习"界面。请参考图7。

图7 自动学习界面

步骤 3 点击"图像分类"创建项目按钮，创建自动学习>图像分类项目，自定义项目名称(本例输入exeML-flowers)，训练数据选择OBS路径/ai-course-001/automl/flowers/(flowers目录是一个空目录即可)，点击"创建项目"完成图像分类项目创建。请参考图8。

图8 创建项目

2. 下载数据集

点击此处下载数据集压缩包至本地。

3. 图片标注

步骤 1 准备数据集。找到本地下载好的数据集压缩包，然后解压。数据集文件夹名称是flowers_recognition，训练集位于flowers_recognitionrain目录下，共4个花卉类别，每个类别10张图片。测试集位于flowers_recognitionest目录下。

该数据集包含的花朵及其类别如下图所示：

步骤 2 页面会自动跳转到数据标注界面。点击下图中的"添加图片"按钮，添加本地的训练集。

图9 添加图片

步骤 3 标注图片，给图片打标签。

进入"未标注"页面。批量选中相同类别的图片，然后选择标签(如果标签不存在，需要手动输入)，最后点击"确定"按钮。如下图所示(如果对操作流程不熟悉，可以查看右上角的"操作指导")：

图10 选择标签

"全部标签"中列举了所有的标签，以及每个标签下的图片数量，见图10 选择标签。

步骤 4 校验图片标签。完成所有图片标注后，进入"已标注"页面。如果每个类不是10张图片，说明标注有误，可以在"已标注"页面修改标签。如果标注正确，可以跳过此步骤。

点击图片右下角按钮，可以查看图片的标签，如下图所示：

如果发现标签不正确，可以选中图片，重新选择标签。

4. 模型训练

在"数据标注"界面中，首先设置训练时长为0.1(减小训练时长的同时，可能会降低模型精度)，然后点击"开始训练"按钮，即可开始训练。如下图所示：

5. 模型部署

在"模型训练"页面等待训练完成(不超过6分钟)，训练完成后，可以查看模型的精度：

点击"部署"按钮，将模型部署为一个在线服务：

6. 服务测试

在"部署上线"页面，等待服务部署成功。部署成功后，点击"上传本地图片"按钮，上传一张本地的测试图片(从测试集中选取)。如下图所示：

点击"预测"按钮进行预测：

可以看到预测结果：

7. 关闭服务

在"部署上线"页面，点击"停止"按钮，停止在线服务：

至此，花卉识别应用实验完成。

结束语：

谢谢大家的阅读。作为一个具有10多年互联网，大数据的技术开发者。近十年工作，主要在从事大数据架构工作，涉及人工智能开发。有兴趣的同学可以关注v信公众号：python_dada来关注我的知识输出。