信息技术 第二册（五年制高职）教案 9.2.6 使用华为云ModelArts平台实现美食识别_第1页
信息技术 第二册（五年制高职）教案 9.2.6 使用华为云ModelArts平台实现美食识别_第2页
信息技术 第二册（五年制高职）教案 9.2.6 使用华为云ModelArts平台实现美食识别_第3页
信息技术 第二册（五年制高职）教案 9.2.6 使用华为云ModelArts平台实现美食识别_第4页
信息技术 第二册（五年制高职）教案 9.2.6 使用华为云ModelArts平台实现美食识别_第5页
已阅读5页，还剩4页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

.2.6使用华为云ModelArts平台实现美食识别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是一站式的AI开发平台。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\h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。准备数据数据集介绍本次实验，我们使用包含四个类别的美食分类数据集，每个类别10张图片。该数据集包含的美食及其类别如下图所示：下载训练数据集我们从华为云AIGallery订阅数据集至ModelArts，然后就可以在ModelArts中使用了。华为云AIGallery中有开发者分享了丰富的数据集，大家可以前往订阅使用。点击\h此处，进入该数据集主页，点击，进入下载详情，按照如下提示填写下载详情：下载方式：选择ModelArts数据集目标区域：华北-北京四目标位置：选择一个OBS路径，作为数据集的存储位置。名称：自定义。填写好参数后，点击按钮，然后点击按钮。等待数据集状态变为推送成功，即可在\hModelArts数据集列表中查看到下载的数据集。下载测试数据集点击\h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。测试集位于foods_recognition\test目录下。创建图像分类项目点击进入\hModelArts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：已有数据集数据集名称：选择刚刚从AIGallery订阅的美食分类数据集。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，训练设置使用默认值即可，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，等待6分钟左右，训练完成，可以查看模型的准确率：点击“部署”按钮，将模型部署为一个在线服务，等待5分钟左右：服务测试在线服务本质上是一个RESTfulAPI，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，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

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论