【人工智能开发框架】实验1、注册腾讯API，调用某个接口，完成一个人工智能应用

API调用篇

1. 在“实验资源”栏目的“图像分析”处点击“控制台”按钮

2. 根据上图红框内的步骤提示输入密码（Tlab@实验登录账号）然后点击登陆

3. 来到这个页面后可以看到发起API调用的按钮，但是该页面无需使用所以关闭标签页即可

4. 在本地浏览器中访问网址https://cloud.tencent.com/document/api/，进入API中心。于侧边拦目中找到【图像识别】->【图像识别接口】->【车辆识别】然后点击

5. 跳转到车辆识别的API页面后，点击“点击调试”按钮

6. 来到云api控制台页面（因为我们之前已经登陆过所以这里可以直接进入）。在右侧的代码生成栏目下点击“Python”以切换代码类型

7. 在左侧输入参数栏目下的Region处选择“华东地区（上海）”

8. 接下来的“ImageBase64”和“ImageURL”两处均是用来向左侧代码的params添加图像参数的，这里我们选用ImageBase64的方式（ImageURL空着就行）

9. 现在开始将图片转为base64，在本地浏览器中访问网址https://www.sojson.com/image2base64.html 待页面加载完成后，点击“选择图片”按钮，然后在弹窗中选则本地的任意车辆照片（没有的话可以上网随便搜一张然后保存到本地再上传）

10. 在输出栏中选中从“data:image/jpeg;base64,”之后开始到结尾的内容（注意逗号之前的包括逗号都不需要）并复制

11. 粘贴到API调用页面的“ImageBase64”栏目中

12. 点击发起调用（看到右侧“代码生成”栏中“params = {”内容出现base64编码内容说明调用成功）

13. 将左侧的“代码生成”拦目切换到“签名串生成”栏目，可以看到需要输入secretId和secretKey

14. 我们能够在虚拟机界面的“实验资源”拦目中找到secretId和secretKey

15. 输入完毕后即可点击最后的“生成签名”按钮

应用篇

1. 在docker栏目下点击桌面连可以进入装有CentOS系统的虚拟机界面

2. 对桌面project文件夹右键后可以通过这种方式在编辑器中直接打开,这里我们选用Visual Studio Code进行示范（也可以直接从桌面的Visual Studio Code进入）

3. 进入后看到project文件夹里的内容出现在了左侧资源管理器的窗口中

4. 如果不习惯英文界面可以到扩展栏目中通过关键词chinese搜索中文语音包

5. 点击第一项后，找到右侧介绍界面的install按钮并点击

6. 安装结束时右下角会提示重启vscode，点击Yes即可

7. 然后就可以使用中文界面了

8. 在资源管理器窗口的car_main文件夹下找到sever.py文件，点击以查看代码

9. 将billAnalysis函数中第一行的如下内容替换为自己的secretId和secretKey（跟之前的“签名串生成”处所填内容一样）

10. 接下来开始运行文件，在上方工具栏中点击调试并选择启动调试或者直接按快捷键F5

11. 这时候会让我们选择debug的配置方式，我们选用第一个“Python File”即可

12. 接下来终端会自动执行当前文件并在下方的弹窗中返回信息

13. 根据终端提示我们应当在这个网址中运行该项目，故选中该网址后右键选择复制或者直接快捷键Crtl+Shift+C

14. 回到桌面找到Chromium Web Browser并打开

15. 在浏览器的网址输入栏中粘贴刚才复制的url然后回车

16. 进入这个页面后点击左侧的上传本地图片按钮

17. 在这个页面里可以看到已经默认导航到了装有不同车辆照片的文件夹，点击右下角的open或双击图片栏目以应用当前选中的图片

18. 回到了之前的页面后点击右侧的分析按钮

19. 出现该弹窗即为分析结果，实验成功

番外篇

1. 接下来开始尝试使用keras框架，在工具栏的文件项中找到打开文件夹并点击

2. 文件夹的浏览界面中能看到右上角有个新建文件夹的图标，点击它

3. 接下来会要求你输入新文件夹的名字，输完后点击一旁的create

4. 然后界面会导航到新建文件夹的内部，这时候点击右下角ok即可

5. 现在就能在资源管理器窗口内看到新建的文件夹了， 在它的四个图标中的最左侧有个新建文件的标识

6. 点击它后就会在该文件夹下创建新的文件了，为它命名时不要忘记加上后缀，这里演示使用jupyter故后缀为.ipynb

7. 这里我们默认使用python3的内核，如果显示不是python3而是python2的话点击这里切换内核

8. 然后在弹窗中选择最下面pyhton3开头的两项之一即可

9. 如果使用pip config list指令可以发现已经配置好了镜像源，所以不用担心安装依赖包的速度

10. 开始正式输入代码。vsc的jupyter和jupyternotebook的使用基本一致，点击代码块即可开始输入

11. 由于keras未预先配置到环境中，所以需要我们手动安装相关依赖包。首先是tensorflow，建议版本号为1.15

pip install tensorflow==1.15

12. 命令输入完后点击左侧绿色的小箭头或者通过快捷键左侧shift+右侧enter以执行该代码块的命令

13. 如果出现如图所示的红色报错提示就说明tensorflow安装失败，这时即便pip install keras成功也无法正常使用框架

14. 接下来我们需要对tensorflow进行离线安装。在downloading字段后面找到完整的url（也就是对应最大文件体积的那个url），我们要将其填入到浏览器中进行搜索

15. 在菜单栏的Applications中找到chromium web browser并打开即可快速访问浏览器页面

16. 然后就没有然后了，因为在下对于CentOS系统不熟悉所以很抱歉限于时间只弄了一半