MindSpore21天实战营手记(三) :基于ResNet50的毒蘑菇识别模型

2024-02-11 14:59

本文主要是介绍MindSpore21天实战营手记(三) :基于ResNet50的毒蘑菇识别模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

完于2020年11月3日

以前学华为大数据的时候做到过蘑菇识别问题。实验是基于UCI mushroom dataset,预测检测样本是有毒的还是可食用的。数据集有8000多个样本,22个属性。我记得实验第一步是做属性间的相关性分析,把相关度高的属性剔除掉,达到降维加快计算的目的。不过UCI数据中的属性都是经过人提炼的结构化数据,把每个品种的蘑菇的几十个特性用人工抽取出来,感觉工作量巨大。相对来说,ResNet50“看图说话”的本领很厉害,直接识别图片中的蘑菇属于什么品种,是否有毒,显然用ResNet50更省时省力。

作业过程

MindSpore的ResNet50不但功能很牛,而且无论是做训练还是推理,ModelArts已经考虑得很周全,界面交互清晰简洁,在线应用起来超级简单。

与前两次课一样,学员需要完成体验作业和进阶作业。老师提供了详细的作业指南(附后),关键步骤都做了图文说明,完全作业几乎没有任何难度:

作业.png

  • 体验作业要求上传一张“蘑菇超人”图片(任何图片,不限制必须是蘑菇),让模型推测图片中的“蘑菇”属于哪个品种,有没有毒。

  • 进阶作业增加训练的过程,训练数据来自Kaggle mushrooms classification数据集,然后再用训练好的模型预测上传图片中的“蘑菇超人”是否有毒。

进阶作业需要上传超过上传6000张图片,而通过OBS网页每次最多只能传100个文件。作业指南里提到了要使用OBS Browser+文件传输工具,但没有展开讲安装和配置。其实这个过程并不难。

  • 按进阶作业指南中提供的链接,下载OBS Browser+。我用Windows10家庭版,就下载Win64版本。

下载OBS.png

  • 安装完成,启动“obs-browser-plus”。点击下方的“获取AccessKey”。

OBS Browser .png

  • 弹出浏览器,导向“华为云”的“访问密钥页面。①点”新建访问密钥“,②在弹出的“身份验证”界面上,获取并填写“短信验证码”,点“确定“。

OBS认证.png

  • 系统显示创建成功,并提示下载。点击”立即下载“,获取credentials.csv密钥文件。密钥文件一定要保存好。我想再次下载,但找不到入口了。

创建成功.png

  • 打开credentials.csv文件,按下图示将对应关系,把字段信息拷贝到OBS Browser+窗口对应的文本框内。在”服务提供商“中选择”华为对象存储服务(默认)”,在“访问路径”中手工填写新建的obs桶的根目录。点击“登录”。

填写.png

  • 接下来就可以舒舒服服地传文件了,没有文件数量的限制,而且不但可以添加文件,还可以添加文件夹,非常人性化。

上传对象.png

  • 不过当上传文件启动时,系统会有下面“中断重启不会自动重传”的提示。所以如果文件非常多的情况下,最好还是规划一下文件上传的策略,免得中断重启之后麻烦。这点感觉不是太方便。

断点续传.png

 写在最后

体验作业的推理过程不用一分钟就能完成,进阶作业的训练过程需要十分钟左右的时间,都不需要等太长时间。

前课笔记:

MindSpore21天实战营手记(一):基于MindSpore Lite开发端侧AI图像分类应用

MindSpore21天实战营手记(二) :基于Bert进行中文新闻分类

转自文章链接:https://bbs.huaweicloud.com/forum/forum.php?mod=viewthread&tid=85549

感谢作者的努力与分享,侵权立删!

这篇关于MindSpore21天实战营手记(三) :基于ResNet50的毒蘑菇识别模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/700095

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

服务器集群同步时间手记

1.时间服务器配置(必须root用户) (1)检查ntp是否安装 [root@node1 桌面]# rpm -qa|grep ntpntp-4.2.6p5-10.el6.centos.x86_64fontpackages-filesystem-1.41-1.1.el6.noarchntpdate-4.2.6p5-10.el6.centos.x86_64 (2)修改ntp配置文件 [r

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}