七大步骤,详解预置算法构建模型的全过程
摘要:针对有肯定AI基础的AI初学者,ModelArts基于业界的主流引擎提供了预置算法,无需关注模型开发过程,直接使用预置算法对已有数据进行训练,并快速部署为服务。预置算法可用于物体类别和位置、图像分类等场景。本次试验提供了一个花卉图像分类应用的样例,帮助您快速熟习使用ModelArts预置算法构建模型的过程。
此样例针对预置的花卉图像数据集,对已有图像数据进行标注,而后使用预置的“ResNet_v1_50”算法对数据进行训练,得到一个可用的模型,最后,将此模型部署为在线服务。部署完成后,客户可通过在线服务识别输入图片的花卉种类。使用预置算法完成模型构建的步骤如下所示:
步骤1:准备数据
步骤2:训练模型
步骤3:(可选)创立可视化作业,查看模型训练过程
步骤4:导入模型
步骤5:部署上线
步骤6:测试服务
步骤7:清理相应资源,避免产生费用
准备工作
已注册华为云账号,且在使用ModelArts前检查账号状态,账号不能处于欠费或者冻结状态。
当前账号已完成访问受权的配置。如未完成,请参考使用委托受权。针对之前使用访问密钥受权的客户,建议清空受权,而后使用委托进行受权。
已在OBS服务中创立桶和文件夹,用于存放样例数据集以及模型。如下示例中,请创立命名为“test-modelarts”的桶,并创立如表1所示的文件夹。
创立OBS桶和文件夹的操作指导请参见创立桶和新建文件夹。确保您使用的OBS目录与ModelArts在同一区域。

步骤1:准备数据
ModelArts在公共OBS桶中提供了花卉的示例数据集,命名为“Flowers-Data-Set”,因而,本文的操作示例使用此数据集进行模型构建。您需要执行如下操作,将数据集上传至您的OBS目录下,即准备工作中您创立的OBS目录“test-modelarts/dataset-flowers”。
说明:
因为“Flowers-Data-Set”数据集已完成数据标注,数据集中文件格式为“.txt”是对应图片的标注文件,因而在此操作步骤中忽略了数据标注操作。
假如您想使用自己的数据集,可跳过此步骤,直接将数据上传至OBS文件夹中,并在步骤2:训练模型操作中直接选择此目录就可。假如您使用的数据集未进行标注,在创立训练作业前请在“数据管理>数据集”页面创立数据集并进行人工标注。
单击数据集下载链接,将“Flowers-Data-Set”数据集下载至本地。
在本地,将“Flowers-Data-Set.zip”压缩包解压。例如,解压至本地“Flowers-Data-Set”文件夹下。
参考上传文件,使用批量上传方式将“Flowers-Data-Set”文件夹下的所有文件上传至“test-modelarts/dataset-flowers”OBS路径下。
步骤2:训练模型
数据准备完成后,您可以创立一个训练作业,选用预置算法“ResNet_v1_50”,并最终生成一个可用的模型。
“ResNet_v1_50”算法基于“TensorFlow, TF-1.8.0-python2.7”引擎,其用途为图像分类。假如您想获取更多预置算法的详情,您可以在“训练作业”页面中,单击“预置算法”页签,理解ModelArts提供的算法信息,如用途、引擎类型、精度等。
1)在ModelArts管理控制台,在左侧导航栏中选择“训练管理>训练作业”,进入“训练作业”管理页面。
2)单击“创立”,进入“创立训练作业”页面。
3)在“创立训练作业”页面,填写相关信息,参数填写指导请参见如下步骤。
“算法来源”:单击“选择”,从“预置算法”列表中,选择“ResNet_v1_50”算法。
“数据来源”:因为导入的数据集已完成标注,因而直接从数据存储位置导入就可。单击“数据存储位置”,而后单击文本框右侧的“选择”,选择数据集所在的OBS路径,如“/test-modelarts/dataset-flowers/”。
“训练输出位置”:从已有的OBS桶中选择模型和预测文件存储路径。使用准备工作中已创立好的“model-test”文件夹。假如没有可用文件夹,您可以单击“选择”,在弹出对话框中新建文件夹。
“运行参数”:选择“ResNet_v1_50”算法后,默认包含“max_epoches”参数,默认值为“100”。针对此示例,建议将“max_epoches”参数值修改为“10”,1个epoch代表整个数据集训练一遍,此运行参数表示训练10个epoch,“max_epoches”值越大训练时间越长。
“作业日志路径”:从已有的OBS桶中选择日志存储路径。使用准备工作中已创立好的“train-log”文件夹。假如没有可用文件夹,您可以单击“选择”,在弹出对话框中新建文件夹。
在基本信息区域,“计费模式”和“版本”为系统自动生成,不需修改。请根据界面提醒填写“名称”和“形容”。
图1 填写名称和形容

在参数配置区域,选择“算法来源”,设置“数据来源”、“训练输出位置”、“运行参数”和“作业日志路径”。
图2 参数配置

在资源设置区域,选择“公共资源池”,同时设置“规格”和“计算节点个数”。
假如选择使用免费规格,请仔细阅读提醒信息,而后勾选“我已阅读并同意以上内容”。
图3 设置使用的资源

单击“下一步”完成信息填写。
4)在“规格确认”页面,确认训练作业的参数信息,确认无误后单击“提交”。
5)在“训练作业”管理页面,可以查看新建训练作业的状态。训练作业的创立和运行需要少量时间,估计十几分钟,当状态变更为“运行成功”时,表示训练作业创立完成。
您可以单击训练作业的名称,可进入此作业介绍页面,理解训练作业的“配置信息”、“日志”和“资源占用情况”等信息。在“训练输出位置”所在的OBS路径中,即“/test-modelarts/model-test/”路径,可以获取到生成的模型文件。
图4 训练作业介绍

步骤3:(可选)创立可视化作业,查看模型训练过程
目前ModelArts提供的可视化作业默认为TensorBoard类型的作业。TensorBoard是一个可视化工具,能够有效地展现TensorFlow或者MXNet在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。可视化作业当前只支持基于TensorFlow和MXNet引擎的训练作业。
假如训练介绍页的详细信息已足够支撑您判断模型好坏并构建模型,您可以选择跳过此步骤,直接执行步骤4:导入模型的操作。
1)在ModelArts管理控制台,在左侧导航栏中选择“训练管理 > 训练作业”,而后单击“可视化作业”页签进入“可视化作业”管理页面。
2)在“可视化作业”管理页面,单击“创立”。
3)在“创立可视化作业”页面,设置相关参数,而后单击“下一步”。
可视化作业的类型默认为“可视化作业”,且不可更改。设置可视化作业的“名称”,以及“训练输出位置”。“训练输出位置”需要设置为训练作业中的“训练输出位置”,上述步骤中“训练输出位置”为“/test-modelarts/model-test/”。“自动中止”启用,并设置为“1小时后”中止,避免产生不必要的费用。
图5 设置可视化作业参数信息

4)在“规格确认”页面,信息确认完毕后,单击“提交”。
5)进入“可视化作业”管理页面,等待一段时间,当可视化作业的状态为“运行中”时,表示已创立成功。
针对运行中的可视化作业,您可以单击可视化作业的名称跳转到其可视化界面。您可以通过此界面的信息,理解到此模型的具体训练过程。假如此模型训练过程和参数满足要求,您可以开始执行步骤4:导入模型操作。
图6 可视化界面

步骤4:导入模型
训练完成的模型还是存储在OBS路径中,您可以将此模型导入到ModelArts中进行管理和部署。
1)在ModelArts管理控制台中,单击左侧导航栏中的“模型管理>模型”,进入“模型”页面。
2)在“模型”页面,单击“导入”。
3)在“导入模型”页面,设置相关参数,而后单击“立即创立”。
设置模型的“名称”和“版本”,而后在“元模型来源”参数中,选择“从训练中选择”,此时系统会自动选择您创立的训练作业,您可以从下拉框中可以选择系统中可用的训练作业。因为本示例数据较简单,其余参数采用默认值。
图7 导入模型

4)模型导入完成后,系统将自动跳转至模型列表页面。您可以在模型列表页面查看已导入的模型及其版本。
图8 模型列表

步骤5:部署上线
模型导入完成后,当状态显示为“正常”时,可以将模型部署上线,可部署为“在线服务”、“批量服务”或者“边缘服务”。如下操作步骤以部署为在线服务为例。
1)在“模型管理 > 模型”页面,单击模型名称左侧的小三角,打开此模型下的所有版本。在对应版本所在行,单击操作列的“部署”,而后在下拉框中选择“在线服务”,进入“部署”页面。
2)在“部署”页面中,设置相关参数,而后单击“下一步”。
设置在线服务的“名称”,将“能否自动中止”功能启用。在“选择模型及配置”区域中,系统将自动选择步骤4:导入模型中的模型及其版本,在“计算节点规格”右侧下拉框中选择使用的资源,本示例选用“CPU:2核 8GiB”资源部署在线服务。其余参数使用默认值。
“数据采集”和“难例挑选”功能,建议使用默认值,保持关闭。
图9 部署为在线服务

3)在“规格确认”页面,确认信息完毕后,单击“提交”。
4)在“部署上线 > 在线服务”页面,您可以查看在线服务的相关信息。因为模型部署上线需要花费少量时间,请耐心等待几分钟。当在线服务的状态为“运行中”时,表示在线服务已部署完成。
步骤6:测试服务
在线服务部署成功后,您可以进入在线服务,发起预测请求进行测试。
在“在线服务”管理页面,单击在线服务名称,进入在线服务介绍页面。
在线服务介绍页面中,单击“预测”页签,进入预测页面。
在“选择预测图片文件”右侧,单击“上传”按钮,上传一张带花的图片,而后单击“预测”。
预测完成后,预测结果显示区域将展现预测结果,根据预测结果得分,可识别出此图片的花为“daisy”。
说明:因为此处是测试服务,为保证测试效果,建议选择图片时,不要使用示例数据集中已有的图片。
图10 预测结果

步骤7:清理相应资源,避免产生费用
为避免产生不必要的费用,在完成试用后,建议您删除相关资源,如在线服务、可视化作业、训练作业、数据及其OBS目录。
删除在线服务:在“在线服务”页面,单击操作列的“更多>删除”。
删除可视化作业:在“训练作业>可视化作业”页面,单击操作列的“删除”。
删除训练作业:在“训练作业”页面,单击操作列的“删除”。
删除数据:前往OBS,删除上传的数据,而后删除文件夹及OBS桶。
本文分享自华为云社区《使用预置算法构建模型初体验》,原文作者:运气男孩 。
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是摆设,本站源码仅提供给会员学习使用!
7. 如遇到加密压缩包,请使用360解压,如遇到无法解压的请联系管理员
开心源码网 » 七大步骤,详解预置算法构建模型的全过程