资源准备

git clone https://github.com/songt
<!--more-->
ianlun/Handwritten_Digit_Recognition_Based_on_MNIST.git

将以上内容,保存目录结构上传到 OBS。

训练作业

填写创建训练作业相关信息。

  • “创建方式”:选择“自定义算法”。
  • “启动方式”:选择“预置框架”,下拉框中选择PyTorch,pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64。
  • “代码目录”:选择已创建的OBS代码目录路径,例如“/test-modelarts-xx/pytorch/mnist-code/”(test-modelarts-xx需替换为您的OBS桶名称)。
  • “启动文件”:选择代码目录下上传的训练脚本“train.py”。
  • “输入”:单击“增加训练输入”,设置训练输入的“参数名称”为“data_url”。设置数据存储位置为您的OBS目录,例如 “/test-modelarts-xx/pytorch/mnist-data/”(test-modelarts-xx需替换为您的OBS桶名称)。
  • “输出”:单击“增加训练输出”,设置训练输出的“参数名称”为“train_url”。设置数据存储位置为您的OBS目录,例如 “/test-modelarts-xx/pytorch/mnist-output/”(test-modelarts-xx需替换为您的OBS桶名称)。预下载至本地目录选择“不下载”。
  • “资源类型”:选择 GPU 单卡的规格,如“GPU: 1*NVIDIA-V100(16GB) | CPU: 8 核 64GB”。如果有免费GPU规格,可以选择免费规格进行训练。

部署推理

在ModelArts管理控制台,单击左侧导航栏中的“AI应用管理>AI应用”,进入“我的AI应用”页面,单击“创建”。
在“创建AI应用”页面,填写相关参数,然后单击“立即创建”。

在“元模型来源”中,选择“从训练中选择”页签,选择步骤5:创建训练作业中完成的训练作业,勾选“动态加载”。AI引擎的值是系统自动写入的,无需设置。

发布服务

在“在线服务”页面,单击在线服务名称,进入服务详情页面。
单击“预测”页签,请求类型选择“multipart/form-data”,请求参数填写“image”,单击“上传”按钮上传示例图片,然后单击“预测”。

预测完成后,预测结果显示区域将展示预测结果,根据预测结果内容,可识别出此图片的数字是“2”。

测试图片在仓库中的 test-images 中。

References

最后修改:2024 年 09 月 05 日
如果觉得我的文章对你有用,请随意赞赏