ModelArts使用

一 利用自动学习（零代码）

实现流程

      1. 创建华为云官方账号（https://www.huaweicloud.com/）
      2. 创建对象存储服务OBS桶（“控制台”->“服务列表”->“存储”->“对象存储服务”）
      3. 数据集上传
      4. 创建项目
      5. 自动学习训练生成模型
      6. 模型部署
      7. 对新图片检测

具体实现

1.创建账号

2.创建OBS（Object Storage Service）桶：–提供海量、安全、高可靠、低成本的数据存储能力（PS：OBS进行了改版，发出了OBS+，可以下载使用）

3.点击创建的桶，新建文件夹，用来存储训练数据和输出

4.服务授权：本实验项目需要使用数据管理功能，在开始使用前，需为数据管理模块获取访问OBS权限

由 控制台->服务列表->人工智能->ModelArts 进入 数据管理->数据集，点击服务授权，并同意授权。

5.进入 控制台->OBS->对象 进行数据上传（此处用到的数据集为已经标注好的数据集，标注格式为xml标注文件，放在同一文件夹上传即可）

6.再次进入ModelArts,点击自动学习下的物体检测

点击创建。

对于未标注的数据可以点击图片进行手动标注

7.训练

点击开始训练，选择默认参数即可

训练完成后，用户可以在界面中查看训练详情，如 “准确率”“召回率”“精确率”“F1值”等

8 部署模型进行预测

等待部署完成，点击上传图片，再点击预测，即可得到图片的预测结果。
具体细节见此

二 利用jupter的notebook进行模型训练预测

实现流程

1.准备实验环境与创建开发环境

2.下载数据与训练代码

3.准备数据

4.模型训练

5.模型测试

具体实现

进入modelarts的开发环境下的notebook

点击创建，创建一个notebook

在notebook中新建ipynb,选择合适的kernel

数据和代码的下载

在modelarts中，平台将代码和数据进行存储，可以通过下载解压的方式获取数据

from modelarts.session import Session
sess = Session()
if sess.region_name == 'cn-north-1':
    bucket_path="modelarts-labs/notebook/DL_object_detection_yolo/yolov3.tar.gz"
elif sess.region_name == 'cn-north-4':
    bucket_path="modelarts-labs-bj4/notebook/DL_object_detection_yolo/yolov3.tar.gz"
else:
    print("请更换地区到北京一或北京四")
sess.download_data(bucket_path=bucket_path, path="./yolov3.tar.gz")
 
# 解压文件
!tar -xf ./yolov3.tar.gz
 
# 清理压缩包
!rm -r ./yolov3.tar.gz

解压后的文件：

也可以通过上传自己的模型和数据到notebook上来进行操作，之后的操作和在EDATA上的操作就是一样的了。

三 在平台上选择预置算法来进行模型训练预测

实现流程

1.准备环境与创建OBS桶

2.下载与上传数据

3.创建训练任务

4.导入训练模型

具体实现

创建OBS桶

“控制台”->“服务列表”->“存储”->“对象存储服务”->“创建桶”

在桶中选择对象并创建文件夹，进入modelArts进行授权服务

上传数据

在上传对象的位置添加文件。

进入ModelArts“训练管理->训练作业”

创建训练作业，选择预置算法和配置数据来源

提交训练作业，并进行模型训练

根据训练得到的模型进行模型部署来预测

详见.


使用AI Gallery的订阅算法训练模型
https://support.huaweicloud.com/bestpractice-modelarts/modelarts_10_0025.html