- 资产集市
- 教学
- 实践
- AI说
- 案例库
- 生态合作
- 专区
中国站
简体中文仅支持切分的情况
your_local_path/flowers
|- train --------------- 训练集
|- classA ------------- 类别A
|- A_0.jpg
|- A_1.jpg
|- ...
|- A_n.jpg
|- classB ------------ 类别B
|- B_0.jpg
|- B_1.jpg
|- ...
|- B_n.jpg
|- classC --------------- 类别C
|- C_0.jpg
|- C_1.jpg
|- ...
|- C_n.jpg
以此类推
...
|- eval --------------- 测试集
|- classA ------------- 类别A
|- A_0.jpg
|- A_1.jpg
|- ...
|- A_n.jpg
|- classB ------------ 类别B
|- B_0.jpg
|- B_1.jpg
|- ...
|- B_n.jpg
|- classC --------------- 类别C
|- C_0.jpg
|- C_1.jpg
|- ...
|- C_n.jpg
以此类推
...
该模型为ResNet系列,深度为50层,此模型基于Deep Residual Learning for Image Recognition中提出的模型结构实现。可以用图像分类任务,比如猫狗分类、花卉分类等等。用户提供一系列带有标注的数据集,该算法会载入在ImageNet-1000上的预训练模型,在用户数据集上做迁移学习。使用TensorFlow和Ascend910芯片进行训练,训练后生成的模型可直接在ModelArts平台部署为在线服务,支持使用Ascend 310进行推理。
适用场景:图像分类
支持的框架引擎:Ascend-Powered-Engine tensorflow_1.15-cann_5.1.0-py_3.7-euler_2.8.3-aarch64
算法输入:
算法输出:
名称 | 默认值 | 类型 | 是否必填 | 是否可修改 | 描述 |
---|---|---|---|---|---|
task_type | image_classification_v2 | string | 是 | 否 | 适用场景。 |
model_name | resnet_v1_50 | string | 是 | 否 | 模型名称。 |
do_train | True | bool | 是 | 否 | 是否做训练,默认训练 |
do_eval_along_train | True | bool | 是 | 否 | 是否边训练边验证,默认边训练边验证。 |
learning_rate_strategy | 0.002 | string | 是 | 是 | 训练的初始学习率,训练过程采取早停(early_stop)和自动学习率下降。 |
batch_size | 32 | int | 是 | 是 | 每步训练的图片数量(单卡) |
eval_batch_size | 32 | int | 是 | 是 | 每步验证的图片数量(单卡) |
save_summary_steps | 1 | int | 是 | 否 | 保存summary的频率(单位:步)。如果使用Ascend 910训练,会下沉整个epoch训练,每个epoch保存一次。 |
log_every_n_steps | 1 | int | 是 | 否 | 打印日志的频率(单位:步)。如果使用Ascend 910训练,会下沉整个epoch训练,每个epoch打印一次。 |
data_format | NHWC | string | 是 | 否 | 输入数据类型,NHWC表示channel在最后,NCHW表channel在最前,如果使用Ascend 910训练,此参数必须设置为NHWC。 |
label_smoothing | 0.1 | float | 是 | 是 | 标签平滑系数,有助于提升精度。取值范围为0~1。 |
loss_scale | 1024 | float | 是 | 是 | 混合精度下的损失自动缩放,一般都使用默认值1024。 |
rescale_train_batch_size_factor | 1 | int | 是 | 是 | 自动调整训练batch_size,如果设置为10,则batch_size最大不会超过数据集总量的十分之一。 |
weight_decay_in_opt | False | bool | 是 | 否 | 通过在loss中加入l2_loss实现正则项。 |
session_timeout | 999999 | int | 是 | 否 | 单步训练的超时时间(单位:秒)。 |
训练完成后的输出文件如下
训练输出目录
|- om
|- model
|- index
|- customize_service_d310.py
|- model
|- variables
|- variables.data-00000-of-00001
|- variables.index
|- customize_service.py
|- index
|- config.json
|- saved_model.pb
|- frozen_graph
|- insert_op_conf.cfg
|- model.pb
|- checkpoint
|- model.ckpt-xxx
|- ...
|- best_checkpoint
|- best_model.ckpt-xxx
|- ...
|- events...
|- graph.pbtxt
训练输出目录
中的frozen_graph
训练输出目录
中的om/model
剩余的参数均使用默认值
训练输出目录
中的om/model
待上线。
Ascend 910训练+Ascend 310推理,案例指导请参见:https://support.huaweicloud.com/bestpractice-modelarts/modelarts_10_0026.html
您可以在华为云ModelArts控制台直接使用资产,但无法下载资产
版本号 | 版本ID | 发布时间 | 状态 | 版本说明 | 使用约束 |
---|
18.0.0 | 11JgS5 | 2022-11-07 08:22 | 已完成 | 适配cann_5.1.0 |
若您怀疑合法知识产权遭受侵犯,可以通过此链接进行投诉与建议。