Jupyter Lab在线运行矩池云教程

1. 注册登录

通过邀请注册活动注册矩池云账号，您将获得 118 元大礼包，或前往矩池云官网注册账户，立即注册。新注册用户关注并绑定矩池云微信公众号可获赠5元体验金。

2. 租赁机器

登陆后，点击导航栏中的主机市场，在主机市场中挑选一台机器，点击”我要租赁”按钮，选择图像识别 DEMO 镜像，下单。

3. 运行Jupyter

下单后页面会自动跳转至主机列表，机器开始启动，请耐心等待机器运行。

运行后，会出现 SSH 和 HTTP 的 URL，您可使用 SSH 访问，或在浏览器中访问该 HTTP 的 URL，进入 JupyterLab。

4. 打开 train.ipynb 文件并运行

打开 dogs_and_cats_demo1 文件夹，点击 train.ipynb 文件。该训练使用了 Inception v3 模型对图像进行分类训练，图像数据集已经在 dataset 文件夹中，您可点击运行按钮，依次运行代码块。

点击运行按钮后，光标会自动跳转到下一个代码块，此时请留意前一代码块是否已经运行完成。运行完成的标志是代码块前方不再展示"*"，数字。请耐心等待运行完成。

请您务必等待代码块输出完毕，即没有更多输出以后，再执行下一代码块。

如图所示，模型正在运行中，当输出内容不再增多时，代表该代码块运行完成。可再次点击运行按钮。

您也可以选择 Kernel-Run All，一次性运行所有代码块，此时页面会默认跳到最后一个代码块的输出位置，耐心等待代码块依次执行即可，输出结果会在每个代码块的下方。

重启即可

5. 训练结果

最后一个代码块，我们使用了 test_img1.jpg 作为验证图片，查看模型对于该图片的分类结果。

分类结果为，The picture is a dog. / The picture is a cat. / The picture is neither a cat nor a dog.

我们总共为您准备了3张验证图片，您也可以自行上传图片，查看模型对于新图片的分类结果。

6. 上传图片

如果您想上传自己的图片进行识别，可点击左上角上传按钮，上传图片。

在出现的文件上传框中，您可以上传所选图片到当前目录。

然后回到 train.ipynb 文件，将 image_path 替换为您自己的图片名称。

再次点击运行即可。

7. 训练其他类型的图片

如果您想训练其他类型的图片，比如花卉、鸟类等，您可以按照文件夹结构，在 dataset 里的测试集和训练集下，新建文件夹，命名为类型名称，例如 Flower，并将花卉的图片放入 Flower 文件夹中。

参考数据源：

花卉数据集：https://www.kaggle.com/spaics/hackathon-blossom-flower-classification

鸟类数据集：https://www.kaggle.com/akash2907/bird-species-classification

8. 释放机器

训练完成后，请及时释放机器，以节省费用。

回到矩池云的主机列表，点击停止并释放按钮，确认后就会停止计费。

释放后会告知您本次使用时长和消费金额，您可在消费账单中查看使用明细。