学习笔记 | Day1 图像分类 | 美食识别

Day1 图像分类

举例:猫狗分类、手写数字识别、花卉识别、ImageNet分类

  • 搭建神经网络模型:有助于对AI算法的理解。
  • 算法泛化性的验证:基于多种数据集测试精度,看模型在多个数据集上的表现,从而评估模型的泛化性能。

学习笔记 | Day1 图像分类 | 美食识别_第1张图片
进入ModelArts主页
学习笔记 | Day1 图像分类 | 美食识别_第2张图片
OBS(Object Storage Service)即华为对象存储服务,是一个基于对象的海量存储服务,为客户提供海量、安全、高可靠、低成本的数据存储能力。客户可以通过RESTAPI接口或者基于web浏览器的云管理平台界面和安装到PC的客户端对数据进行管理和使用。

  • 华为云注册与实名认证
  • 获取AK/SK访问密钥信息
  • ModelArts全局配置:添加密钥。
    数据管理 > 数据集 > 服务授权
  • 华为云对象存储服务OBS基本操作:帮助我们进行服务训练和AI模型的存储。
    桶是OBS中存储对象的容器。

零代码美食分类模型开发
学习笔记 | Day1 图像分类 | 美食识别_第3张图片

本期课后作业内容是:
  • 请你使用ResNet_v1_50算法,重新创建多个不同的 训练作业,每个作业都配置不同的上图中红框处的学习率策略参数,然后在训练完 成后点击版本对比查看模型准确率,试试看你能把模型的准确率提高到多少?

提示:

1、业界常用的学习率策略有三种: 固定学习率,分段学习率和自适应学习率。

1)固定学习率可以按照“训练总轮数:学习率值”的格式来设置。先理解一下训练总轮数的含义:所有图 片全部都被加载过训练一遍表示一轮,在深度学习模型训练中,经常要在一个数据集上训练合适的轮数 才能达到较好的模型精度,注意,是训练合适的轮数,而不是越多轮数越好,太少的轮数会导致模型训 练不充分,就是业界常说的欠拟合,训练太多轮数可能导致模型训练过度,导致模型过拟合。学习率值 有几个常用的设定值,分别是:0.002、0.001、0.0002、0.0001、0.00002、0.00001,学习率越大, 前期就学习地更快,但是后期就可能导致模型准确率度波动较大,反之,学习率越小,前期学习就慢, 后期模型准确波动小。比如设置为“20:0.001“,表示按照固定的0.001的学习率训练20轮即停止;

2)分段学习率是指不同的学习阶段按照不同的学习率来学习,比如设置 为“20:0.001,30:0.0001,40:0.00001”,这表示训练轮数在020阶段是使用0.001学习率,2130阶段是 0.0001学习率,31~40阶段是0.00001学习率,训练达到40轮后,训练停止;

3)自适应学习率是指在开始的训练阶段按照设定的一个初始学习率进行学习,在后面的学习过程中不 断监测模型的准确率变化,如果有若干轮训练都没有使得模型准确率提升,那就说明模型的学习在目前 的学习率下达到瓶颈了,于是降低学习率再继续进行更精细的学习,一般情况下降低学习率后的第一轮 训练就会使得模型准确率有一定的提升,随着训练的进行,在这个已经降了一次的学习率下学习又达到 了瓶颈,于是再降一次学习率,再学习。自适应学习率就是这样一个重复的降低学习率再学习的过程, 直到降低学习率也无法使模型准确率提升,这时就终止训练。自适应学习率策略需要设定一个初始学习 率,比如“0.002”,也可以设成其他值。

你可能感兴趣的:(#,华为云AI实战)