01-零代码美食分类模型开发

基于自动学习,AutoML算法

零代码美食分类模型开发

本案例将详细介绍怎样用ModelArts自动学习基于美食数据集快速构建美食识别应用。

ModelArts自动学习具有零代码、零AI背景、泛化能力强的特点,用户无需编码,无需AI背景,就可以使用自动学习快速构建自己的AI应用。

准备工作

参考此文档,完成ModelArts准备工作。包括注册华为云账号、ModelArts全局配置和OBS相关操作。

准备数据

下载数据集

点击此处下载数据集压缩包至本地,然后解压。可以得到文件夹foods_recognition

训练集位于foods_recognition\train目录下,共4类美食,每个类别10张图片。测试集位于foods_recognition\test目录下。

该数据集包含的美食及其类别如下图所示:

上传数据

使用OBS客户端上传foods_recognition文件夹至一个北京四的OBS桶。

创建图像分类项目

点击进入ModelArts自动学习界面,然后点击“图像分类”创建项目按钮,按照如下示例填写参数:

名称:自定义

数据来源:新建数据集

数据集输入位置:选择train目录所在的OBS路径。

数据集输出位置:保存数据标注文件的OBS路径,需要新建。

最后点击“创建项目”按钮完成图像分类项目创建。

图片标注

进入“未标注”页面。批量选中相同类别的图片,然后添加标签(如果标签已经存在,可以直接选择),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”):

“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。

完成所有图片标注后,进入“已标注”页面。在该页面可以校验图片标签,如果标注有误,可以在该页面修改标签。如果发现标签不正确,可以选中图片,重新选择标签。

模型训练

点击“开始训练”按钮,设置最大训练时长为0.1(小时),预期推理硬件选择CPU,其他默认。然后点击确认按钮,提交训练作业。如下图所示:

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,大概需要5分钟左右。

服务测试

在线服务 本质上是一个RESTful API,可以通过HTTP请求访问。本案例在网页上测试在线服务。

在“部署上线”页面点击“在线服务”,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test目录中挑选)。如下图所示:

点击“预测”按钮进行预测:

可以看到预测结果:

关闭在线服务

在“部署上线”页面,点击“停止”按钮,停止在线服务,否则会持续收费:

当需要使用该在线服务的时候,可以重新启动该在线服务。

至此,美食识别应用实验圆满完成。

常见问题

有小伙伴在标注完数据集之后,找不到 开始训练 按钮,这是没有创建自动学习项目的结果,数据集必须要在自动学习项目中才有 “开始训练” 功能,这个功能是使用类似 AutoML 算法进行模型训练,也就是 一键训练

如果你出现上述情况,请将你已经标注好的数据集导入自动学习项目中,再 点击 “开始训练” 即可。

导入过程如下:

导入你已经标注好的数据集。

实验一和实验二不同之处是实验二可以调参并且可以自己选择算法,具体区别如下:

总结

添加新评论

评论列表