了解过机器学习,尤其是最近几年大热的深度学习方法的朋友很可能有听过过 MNIST 这个数据集,数据集来自美国国家标准与技术研究所,National Institute of Standards and Technology (NIST)。训练集(training set)由来自 250 个不同人手写的数字构成,测试集(test set)也是同样比例的手写数字数据。
我们这里就借用这个数据集来介绍在 OpenBayes 中采用 Pytorch / Tensorflow 进行图片的分类。其中会使用到 OpenBayes 的数据集绑定、模型的训练以及模型的使用。
Tensorflow
获取代码
从 Github 下载样例代码:
git clone https://github.com/signcl/openbayes-mnist-example.git
cd openbayes-mnist-example/tensorflow
切换到所下载代码目录看到代码结构如下:
.
├── inference.py
├── openbayes.yaml
└── train.py
其中, .py 包含了执行机器学习模型训练和采用模型进行推断的代码
openbayes.yaml 包含了执行一个「Python 脚本」的配置,更多信息见 openbayes cli 配置文件
创建第一个任务 注意 这里介绍的是通过页面上传代码压缩包的流程,但是这已经不再是我们推荐的创建「Python 脚本」的最佳实践了,更好的方式参见 bayes 命令行工具入门。
数据集准备好后在页面左侧导航栏点击「新建算力容器」创建一个 Python 脚本执行的