modelarts
ModelArts-訓(xùn)練作業(yè)介紹
本視頻介紹的是：華為云ModelArts操作指導(dǎo):ModelArts-訓(xùn)練作業(yè)介紹
上傳數(shù)據(jù)至OBS及授權(quán)給ModelArts使用
本視頻介紹的是：華為云ModelArts操作指導(dǎo):上傳數(shù)據(jù)至OBS及授權(quán)給ModelArts使用
攝像頭怎么連接云服務(wù)器
攝像頭怎么連接 云服務(wù)器 ？通過華為云提供的攝像頭，您可以一鍵下載華為云攝像頭服務(wù)器上的視頻流。在視頻分析服務(wù)中，需要提前準(zhǔn)備一個攝像頭，包括攝像頭、麥克風(fēng)、揚聲器等。如何用攝像頭快速檢測到多臺攝像頭。在服務(wù)器上配置攝像頭，需要考慮攝像頭是否過慢、是否合理等因素。如何連接華為云IEF，提供了攝像頭后SDK配置的部署技能，請參見如何在華為云的攝像頭集成AI算法部署AI技能。前提條件需要注冊華為云帳號并進(jìn)行實名認(rèn)證，為帳號充值。配置ModelArts環(huán)境權(quán)限用于圖像處理，圖像 數(shù)據(jù)集 ModelArts服務(wù)訪問權(quán)限用于視頻處理的數(shù)據(jù)集。因此需要在ModelArts平臺上開發(fā)并部署視頻。配置完所有用戶即可在ModelArts上運行的算法，則ModelArts平臺也可以將OBS中的音頻部署到自己的OBS中。具體配置說明，請參見“權(quán)限管理>用戶”。配置攝像頭，確保攝像頭設(shè)備已安裝并配置好攝像頭。訪問授權(quán)的攝像頭服務(wù)器，需要用戶授權(quán)ModelArts讀取用戶的OBS權(quán)限。安裝完成后，ModelArts會自動從AI輸出位置按要求輸入的“OBS路徑”，即“OBS桶名”。如果您不希望使用SSH登錄攝像頭，建議使用“https：//”。在華為云官網(wǎng)注冊的帳號，此時您的華為云帳號已經(jīng)能夠訪問 人臉識別服務(wù) ，建議您為自己創(chuàng)建一個 IAM 用戶。建議在使用華為云的區(qū)域，且服務(wù)所在區(qū)域支持華為云華北北京四。區(qū)域在控制臺創(chuàng)建桶和文件夾，用于存放樣例數(shù)據(jù)集以及模型。創(chuàng)建OBS桶和文件夾的操作指導(dǎo)請參見創(chuàng)建桶和新建文件夾。確保您使用的OBS目錄與ModelArts在同一區(qū)域。使用方法請參見創(chuàng)建桶和新建文件夾。選擇對應(yīng)工作空間的“數(shù)據(jù)集輸出位置”，單擊“下一步”。進(jìn)入應(yīng)用開發(fā)頁面，開始開發(fā)技能。
圖片識別古文字
圖片識別古文字，并對其中的一些語義進(jìn)行識別，同時也能識別出語義，也有助于識別其中的語義信息。本章節(jié)提供了如下示例的示例代碼，您可以基于“文本分類”中的 文字識別 ，識別出置信度，并能夠準(zhǔn)確預(yù)測，有助于降低誤檢，提升識別精度。案例介紹在自動學(xué)習(xí)過程中，您可以添加您自己的模型進(jìn)行模型的構(gòu)建。創(chuàng)建訓(xùn)練集和評估部署模型過程中，您需要在您的數(shù)據(jù)集上做一些工作。如果您希望選擇在訓(xùn)練代碼時，可以在數(shù)據(jù)集中修改數(shù)據(jù)，詳情請見訓(xùn)練數(shù)據(jù)?！坝?xùn)練參數(shù)設(shè)置”您可以選擇“訓(xùn)練輸出位置”，即您可以在此處訓(xùn)練輸入位置進(jìn)行選擇?！坝?xùn)練輸出位置”：選擇OBS路徑存儲訓(xùn)練輸出位置?！坝?xùn)練輸出位置”：在已有的OBS桶中，創(chuàng)建OBS桶和文件夾，用于存儲訓(xùn)練輸出的模型。“訓(xùn)練輸出位置”：在已有的OBS桶中，創(chuàng)建訓(xùn)練輸出模型和日志輸出的目錄?！皹?biāo)簽”：在已有的OBS桶中，創(chuàng)建訓(xùn)練輸出模型和日志輸出路徑?！皹?biāo)簽”：在“標(biāo)簽名”右側(cè)單擊選擇標(biāo)簽顏色。由于已經(jīng)注冊華為云帳號，建議直接使用模型部署服務(wù)模型。請注意不要將模型部署至ModelArts中。登錄ModelArts管理控制臺，在左側(cè)導(dǎo)航欄中選擇“自動學(xué)習(xí)”，進(jìn)入“自動學(xué)習(xí)”頁面。在您選擇自動學(xué)習(xí)項目頁面，單擊“預(yù)測”頁簽，查看自動學(xué)習(xí)項目的AI項目是否訓(xùn)練成功。由于預(yù)測分析工作流已完成，因此建議刪除以上數(shù)據(jù)。在“應(yīng)用開發(fā)>評估”頁面，您可以單擊當(dāng)前帳號下不同的AI應(yīng)用，進(jìn)入“AI應(yīng)用”頁面。單擊當(dāng)前帳號下，切換至新版“華北-北京四”區(qū)域。
華為數(shù)據(jù)標(biāo)注
華為數(shù)據(jù)標(biāo)注分為“物體檢測”和“圖像分割”?！皥D像分割”：手工方式選擇標(biāo)注對象?！拔矬w檢測”：單擊“啟動任務(wù)”，啟動智能標(biāo)注任務(wù)?！爸鲃訉W(xué)習(xí)”表示系統(tǒng)將自動使用半監(jiān)督學(xué)習(xí)、難例篩選等多種手段進(jìn)行智能標(biāo)注，降低人工標(biāo)注量，幫助用戶找到難例。算法類型針對“圖像分類”類型的數(shù)據(jù)集，您需要選擇以下參數(shù)?！翱焖傩汀保簝H使用已標(biāo)注的樣本進(jìn)行訓(xùn)練?！熬珳?zhǔn)型”：會額外使用未標(biāo)注的樣本做半監(jiān)督訓(xùn)練，使得模型精度更高。“預(yù)標(biāo)注”表示選擇用戶AI應(yīng)用管理里面的AI應(yīng)用，選擇模型時需要注意模型類型和數(shù)據(jù)集的標(biāo)注類型相匹配。預(yù)標(biāo)注結(jié)束后，如果標(biāo)注結(jié)果符合平臺定義的標(biāo)準(zhǔn)標(biāo)注格式，系統(tǒng)將進(jìn)行難例篩選，該步驟不影響預(yù)標(biāo)注結(jié)果。選擇模型及版本“我的AI應(yīng)用”。您可以根據(jù)實際需求選擇您的AI應(yīng)用。您需要在目標(biāo)AI應(yīng)用的左側(cè)單擊下拉三角標(biāo)，選擇合適的版本。您的AI應(yīng)用導(dǎo)入?yún)⒁妱?chuàng)建AI應(yīng)用。您可以根據(jù)實際需求選擇AIGallery中已訂閱的AI應(yīng)用。查找AI應(yīng)用參見我的訂閱模型。計算節(jié)點規(guī)格在下拉框中，您可以選擇目前ModelArts支持的節(jié)點規(guī)格選項。您可以根據(jù)您的實際情況選擇，最大為5。針對“物體檢測”類型的數(shù)據(jù)集，選擇“主動學(xué)習(xí)”時，只支持識別和標(biāo)注矩形框。
深度強(qiáng)化學(xué)習(xí)matlab代碼
深度強(qiáng)化學(xué)習(xí)matlab代碼樣本，深度學(xué)習(xí)是為數(shù)據(jù)樣本提供了強(qiáng)大的深度模型。算法為深度學(xué)習(xí)算法模型提供了強(qiáng)大的深度模型，能夠快速處理億張圖像，根據(jù)客戶的不同場景需求生成不同的模型。由于訓(xùn)練樣本本身，模型是訓(xùn)練模型的，因此無需任何代碼代碼，只需要修改代碼即可完成預(yù)測任務(wù)。同時，為了更有效的精度，華為云EI工作流提供了基于ModelArts提供的預(yù)置算法，可以在零代碼中開發(fā)算法，并提供了相應(yīng)的評估指標(biāo)。同時，使用評估模型的數(shù)據(jù)，僅提供了云上的數(shù)據(jù)增強(qiáng)版，無需人工干預(yù)訓(xùn)練。訓(xùn)練后的模型，包含了幾十種通用的未部署應(yīng)用。部署模型前，整個模型版本號，旨在為您提供一個版本，版本為了在不同的部署環(huán)境上線，形成一個符合要求的模型。這種模型版本能夠顯著提升部署上線效率，同時也降低了部署成本。在自動學(xué)習(xí)過程中，對圖像進(jìn)行標(biāo)注的少量數(shù)據(jù)，使得待標(biāo)注圖片的標(biāo)注質(zhì)量變?yōu)?代表模型的質(zhì)量。部署模型后，就可以在“自動學(xué)習(xí)”頁面中搜索“未標(biāo)注”的圖片，用于訓(xùn)練的圖片。在完成圖片標(biāo)注后，單擊圖片，即可開始部署模型了。部署自動學(xué)習(xí)項目中，約需要花費幾分鐘，請耐心等待。當(dāng)“項目部署完成”頁簽版本管理時，才可以進(jìn)行部署上線。在自動學(xué)習(xí)頁面，單擊目標(biāo)項目的“開始訓(xùn)練”，然后在“訓(xùn)練設(shè)置”頁簽下，檢查是否正確。在“參數(shù)設(shè)置”頁簽，檢查是否正確。檢查是否正確，請根據(jù)檢查項修復(fù)方法，調(diào)整參數(shù)值，然后重新標(biāo)注。