天池AI Earth task01

本文介绍了在Windows10家庭版上安装Docker Desktop的解决方法,以及如何在阿里云创建镜像库,制作并推送Docker镜像。通过编写Dockerfile,将代码及依赖打包,并利用清华镜像源加速安装,最终在本地构建并测试镜像,然后推送到阿里云镜像库,完成比赛提交。
摘要由CSDN通过智能技术生成

目标:学习如何使用Docker提交代码及比赛上分

工具:windows 10家庭中文版的docker desktop,阿里云镜像库

1.配置docker环境

windows docker 安装教程

问题:安装docker安装失败

Docker for Windows requires Windows 10 Pro or Enterprise version

解决办法:win10家庭中文版 安装 Docker Desktop

2.在阿里云获取镜像库公网网址

Docker练习场手把手教程

在 https://cr.console.aliyun.com/ 上新建镜像库(请参考文档,同时直接建public库即可),查找镜像库公网网址,如:
registry.cn-hangzhou.aliyuncs.com/coggle/coggle_test
coggle为命名空间,coggle为镜像仓库名称

3.制作镜像并推送至镜像库

3.1.login docker

在cmd或者windows powershell中输入以下命令

docker login --username=your_name registry.cn-hangzhou.aliyuncs.com

yourname是注册的昵称,registry.~~~为镜像库公网网址

在这里插入图片描述

3.2.在文件需要copy至镜像内的目录下准备好文件

当前工作目录底下包括以下文件:
在这里插入图片描述
Dockerfile

  • docker built就会一条条执行
# Base Images
## 从天池基础镜像构建
# FROM registry.cn-shanghai.aliyuncs.com/tcc-public/python:3
FROM registry.cn-shanghai.aliyuncs.com/tcc-public/tensorflow:latest-cuda10.0-py3

## 把当前文件夹里的文件构建到镜像的根目录下(.后面有空格,不能直接跟/)
ADD . /

## 指定默认工作目录为根目录(需要把run.sh和生成的结果文件都放在该文件夹下,提交后才能运行)
WORKDIR /

## Install Requirements(requirements.txt包含python包的版本)
## 这里使用清华镜像加速安装
RUN pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
RUN pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
#RUN pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

## 镜像启动后统一执行 sh run.sh
CMD ["sh", "run.sh"]

run.sh

  • 运行预测的代码
#!/bin/sh
CURDIR="`dirname $0`" #获取此脚本所在目录
echo $CURDIR
cd $CURDIR #切换到该脚本所在目录
python /code/mlp_predict.py

requirement.txt

  • 运行代码所依赖的python库,缺什么就把需要装的文件放在requirement下面
numpy
tensorflow==2.2.0 

运行的代码mlp_predict.py

  • 放在code下面即可

3.3.build image

docker build -t registry.cn-shenzhen.aliyuncs.com/shiying/tianchi_test:1.0 .

注意最后的 . 号

如果成功会显示:Successfully built 76c643fb44ee,其中 76c643fb44ee 即为镜像id。

3.4.测试是否能够在镜像成功运行

docker run registry.cn-shenzhen.aliyuncs.com/shiying/tianchi_test:1.0 sh run.sh

3.5.push image

docker push registry.cn-shenzhen.aliyuncs.com/shiying/tianchi_test:1.0
将镜像推送至我的镜像库中

4.在提交页面提交镜像地址及版本号

在天池比赛页面左侧【提交结果】中填写推送的镜像路径、用户名和密码,即可提交。根据【我的成绩】中的分数和日志可以查看运行情况。
在这里插入图片描述

天池事的零基础入门语义分割-地表建筑物识别任务是一个面向初学者的语义分割竞。任务的目标是利用机器学习和计算机视觉技术,对卫星图像中的地表建筑物进行标记和识别。 在这个任务中,参者需要使用给定的训练数据集进行模型的训练和优化。训练数据集包含了一系列卫星图像和相应的像素级标注,标注了地表建筑物的位置。参者需要通过分析训练数据集中的图像和标注信息,来构建一个能够准确地识别出地表建筑物的模型。 参者需要注意的是,语义分割是指将图像中的每个像素进行分类,使得同一类别的像素具有相同的标签。因此,在地表建筑物识别任务中,参者需要将地表建筑物区域与其他区域进行区分,并正确地进行标记。这对于初学者来说可能是一个挑战,因此需要掌握基本的图像处理和机器学习知识。 参者可以根据自己的理解,选择合适的算法和模型来完成这个任务。常见的方法包括卷积神经网络(CNN),通过设计适当的网络结构和训练方式,提高模型的准确性和泛化能力。同时,数据预处理和数据增强技术也是提高模型性能的关键。参者可以通过对数据进行增强和扩充,提高模型的鲁棒性和识别能力。 最后,参者需要使用训练好的模型对测试数据集进行预测,并生成预测结果。这些预测结果将用于评估参者模型的性能和准确度。评估指标通常包括像素级准确度(Pixel Accuracy)和平均交并比(Mean Intersection over Union),参者需要根据这些指标来评估和改进自己的模型。 总之,通过参加这个任务,初学者可以通过实践和挑战来提高自己的图像处理和机器学习技能,并掌握语义分割的基本概念和方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值