实践目标检测与图像分类写出脚本运行之前配置的文件,
#!/bin/bash
# 加载模块
module load anaconda/2021.05
module load cuda/11.1
module load gcc/7.3
# 激活环境
source activate mmclassification
# 刷新日志缓存
export PYTHONUNBUFFERED=1
# 训练模型
python tools/train.py \
configs/resnet18/resnet18_b16_flower.py \
--work-dir work/resnet18_b16_flower
下载openmmlab的mmdetection
快速训练出一个深度学习模型,解决对应的深度学习问题。
进入新建自动建模界面,填写对应信息,并在“解决问题”一项中,选择“目标检测”题。绑定数据展示项目中,根据需求调整绑定对象。
建模结果生成 API 服务使用建模得到一个训练完成的模型之后,快速的将它转化成一个 API 服务。
按照规范数据集格式之后,自动建模可以使用该数据集自动构建深度学习模型。数据格式以 meta.csv 为数据集的主要格式文件,文件以 csv 格式为主体:
- 第一行为字段类型和字段名称,格式为:[类型]_[名称]
- 第二行以及以后每一行为数据样本。
字段类型**表示该列字段的数据类型,其中包括简单字段:int、float、category、txt。另一类是复杂字段:text、image、video、json,复杂字段对应的值是一个相对路径,表示该字段的值在数据集中对应的文件。
- int - 整数值
- float - 浮点数
- category - 分类值
- txt - 短文本值
- text - 文本文件,文件中的全部内容
- image - 图片文件,格式包括:jpg、png、tif
- video - 视频文件,格式包括:mp4
- json - 复杂标注数据,根据不同的问题,会有对应的定义方式