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

一份LLM资源清单围观技术大佬的日常;手把手教你在美国搭建「百万卡」AI数据中心;为啥大模型做不好简单的数学计算? | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦! 1. 为啥大模型做不好简单的数学计算?从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o),组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试,然后由经验丰富的判卷老师评判得分。 结果如上图所

大语言模型(LLMs)能够进行推理和规划吗?

大语言模型(LLMs),基本上是经过强化训练的 n-gram 模型,它们在网络规模的语言语料库(实际上,可以说是我们文明的知识库)上进行了训练,展现出了一种超乎预期的语言行为,引发了我们的广泛关注。从训练和操作的角度来看,LLMs 可以被认为是一种巨大的、非真实的记忆库,相当于为我们所有人提供了一个外部的系统 1(见图 1)。然而,它们表面上的多功能性让许多研究者好奇,这些模型是否也能在通常需要系

React+TS前台项目实战(十七)-- 全局常用组件Dropdown封装

文章目录 前言Dropdown组件1. 功能分析2. 代码+详细注释3. 使用方式4. 效果展示 总结 前言 今天这篇主要讲全局Dropdown组件封装,可根据UI设计师要求自定义修改。 Dropdown组件 1. 功能分析 (1)通过position属性,可以控制下拉选项的位置 (2)通过传入width属性, 可以自定义下拉选项的宽度 (3)通过传入classN

人工和AI大语言模型成本对比 ai语音模型

这里既有AI,又有生活大道理,无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统,来识别连续0123456789的英文语音。 但若不是仅针对数字,而是所有普通词汇,可能达到十几万个词,解码过程将非常复杂,识别结果组合太多,识别结果不会理想。因此只有声学模型是完全不够的,需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率,得到声学模型概率高,又符合表达

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

基于CTPN(tensorflow)+CRNN(pytorch)+CTC的不定长文本检测和识别

转发来源:https://swift.ctolib.com/ooooverflow-chinese-ocr.html chinese-ocr 基于CTPN(tensorflow)+CRNN(pytorch)+CTC的不定长文本检测和识别 环境部署 sh setup.sh 使用环境: python 3.6 + tensorflow 1.10 +pytorch 0.4.1 注:CPU环境

OpenCompass:大模型测评工具

大模型相关目录 大模型,包括部署微调prompt/Agent应用开发、知识库增强、数据库增强、知识图谱增强、自然语言处理、多模态等大模型应用开发内容 从0起步,扬帆起航。 大模型应用向开发路径:AI代理工作流大模型应用开发实用开源项目汇总大模型问答项目问答性能评估方法大模型数据侧总结大模型token等基本概念及参数和内存的关系大模型应用开发-华为大模型生态规划从零开始的LLaMA-Factor

模型压缩综述

https://www.cnblogs.com/shixiangwan/p/9015010.html

百度OCR识别结构结构化处理视频

https://edu.csdn.net/course/detail/10506

Pycharm配置conda环境(解决新版本无法识别可执行文件问题)

引言: 很多小伙伴在下载最新版本的pycharm或者更新到最新版本后为项目配置conda环境的时候,发现文件夹目录中无法显示可执行文件(一般为python.exe),以下就是本人遇到该问题后试验和解决该问题的一些方法和思路。 一般遇到该问题的人群有两种,一种是刚入门对pycharm进行conda环境配置的小白(例如我),不熟悉相关环境配置的操作和过程,还有一种是入坑pycharm有段时间的老手