引言：

本文介紹利用華為ModelArts進行深度學習的圖像分類任務，不用一行代碼。

今年8月9日，在華為史上規模最大的開發者大會上，華為正式發布全球首個基于微內核的全場景分布式OS——鴻蒙操作系統(HarmonyOS)。但你知道嗎？除了鴻蒙，華為還有一款好用的不能再好用的深度學習神器，ModelArts。甚至，不用編程，就能完成圖像分類的任務。

比如下面用自動學習方法基于花卉數據集快速構建花卉識別應用,而且不用編寫一行代碼。

服務配置

如果是第一次使用ModelArts服務，在使用之前需要給服務添加訪問密鑰，授權作業能夠訪問華為云存儲OBS，若沒有添加訪問密鑰，則無法創建作業。具體操作步驟如下：

1. 生成訪問密鑰：在用戶基本信息>管理我的憑證頁面新增訪問密鑰，創建后密鑰會下載到本地。

2. 設置ModelArts全局配置：在ModelArts服務頁面，添加訪問密鑰，以授權訪問OBS，使用ModelArts各項功能。

1. 生成訪問密鑰

登陸華為云控制臺訪問賬號中心，用戶新增訪問密鑰并下載到本地保存，操作步驟如下：

步驟 1 通過華為云賬號訪問華為云控制臺，點擊控制臺右上角用戶賬號信息，跳轉到"用戶中心"。請參考圖1。

圖1 "用戶中心"頁面

步驟 2 在"用戶中心>基本信息"頁面點擊"管理我的憑證"，跳轉到"我的憑證"頁面。請參考圖2。

圖2 "我的憑證"頁面

步驟 3 在"我的憑證"頁面切換到"管理訪問密鑰"頁簽，執行"新建訪問密鑰"操作，輸入登陸密碼和短信驗證碼后，密鑰會自動生成并下載到本地，文件名為"credentials.csv"。請參考圖3。

圖3 新增訪問密鑰

2. 設置ModelArts全局配置

登陸ModelArts服務控制臺，在"全局配置"中設置全局訪問密鑰，具體操作步驟如下：

步驟 1 登陸ModelArts服務頁面，通過左側導航欄進入到"全局配置"頁面。請參考圖4。

圖4 全局配置界面

步驟 2 執行"添加訪問密鑰"操作，輸入"credentials.csv"文件中的"Access Key"和"Secret Access Key"信息，執行確定操作，完成全局密鑰的設置。請參考圖5。

圖5 添加訪問密鑰

使用自動學習構建花卉識別應用

這章介紹如何標注花卉數據、并進行模型訓練和部署，以下是操作步驟。

1. 創建圖像分類項目

步驟 1 創建一個OBS桶，本案例中將桶命名為ai-course-001，同時在創建的OBS桶下創建文件夾/automl/flowers。創建OBS桶和文件夾參考文檔：https://support.huaweicloud.com/qs-obs/obs_qs_0001.html 。

步驟 2 進入ModelArts管理控制臺界面。單擊左側導航欄的"自動學習"，進入"自動學習"界面。請參考圖7。

圖7 自動學習界面

步驟 3 點擊"圖像分類"創建項目按鈕，創建自動學習>圖像分類項目，自定義項目名稱(本例輸入exeML-flowers)，訓練數據選擇OBS路徑/ai-course-001/automl/flowers/(flowers目錄是一個空目錄即可)，點擊"創建項目"完成圖像分類項目創建。請參考圖8。

圖8 創建項目

2. 下載數據集

點擊此處下載數據集壓縮包至本地。

3. 圖片標注

步驟 1 準備數據集。找到本地下載好的數據集壓縮包，然后解壓。數據集文件夾名稱是flowers_recognition，訓練集位于flowers_recognitionrain目錄下，共4個花卉類別，每個類別10張圖片。測試集位于flowers_recognitionest目錄下。

該數據集包含的花朵及其類別如下圖所示：

步驟 2 頁面會自動跳轉到數據標注界面。點擊下圖中的"添加圖片"按鈕，添加本地的訓練集。

圖9 添加圖片

步驟 3 標注圖片，給圖片打標簽。

進入"未標注"頁面。批量選中相同類別的圖片，然后選擇標簽(如果標簽不存在，需要手動輸入)，最后點擊"確定"按鈕。如下圖所示(如果對操作流程不熟悉，可以查看右上角的"操作指導")：

圖10 選擇標簽

"全部標簽"中列舉了所有的標簽，以及每個標簽下的圖片數量，見圖10 選擇標簽。

步驟 4 校驗圖片標簽。完成所有圖片標注后，進入"已標注"頁面。如果每個類不是10張圖片，說明標注有誤，可以在"已標注"頁面修改標簽。如果標注正確，可以跳過此步驟。

點擊圖片右下角按鈕，可以查看圖片的標簽，如下圖所示：

如果發現標簽不正確，可以選中圖片，重新選擇標簽。

4. 模型訓練

在"數據標注"界面中，首先設置訓練時長為0.1(減小訓練時長的同時，可能會降低模型精度)，然后點擊"開始訓練"按鈕，即可開始訓練。如下圖所示：

5. 模型部署

在"模型訓練"頁面等待訓練完成(不超過6分鐘)，訓練完成后，可以查看模型的精度：

點擊"部署"按鈕，將模型部署為一個在線服務：

6. 服務測試

在"部署上線"頁面，等待服務部署成功。部署成功后，點擊"上傳本地圖片"按鈕，上傳一張本地的測試圖片(從測試集中選取)。如下圖所示：

點擊"預測"按鈕進行預測：

可以看到預測結果：

7. 關閉服務

在"部署上線"頁面，點擊"停止"按鈕，停止在線服務：

至此，花卉識別應用實驗完成。

結束語：

謝謝大家的閱讀。作為一個具有10多年互聯網，大數據的技術開發者。近十年工作，主要在從事大數據架構工作，涉及人工智能開發。有興趣的同學可以關注v信公眾號：python_dada來關注我的知識輸出。

總結

以上是生活随笔為你收集整理的基于深度学习模型的花卉图像分类代码_华为不止有鸿蒙！教你快速入门华为免编程深度学习神器ModelArts...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。