检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
部署服务 评估模型后,就可以部署服务,开发第二相面积含量测定的专属应用,此应用用于测定第二相面积含量,也可以直接调用对应的API和SDK识别。 前提条件 已在视觉套件控制台选择“第二相面积含量测定工作流”新建应用,并评估模型,详情请见部署服务。 由于部署服务涉及ModelArts功能,需消耗资源,要确保账户未欠费。
工作流和模型,通过工作流指引能够快速开发AI应用,解决具体行业场景问题。 ModelArts Pro应用开发套件包括自然语言处理套件、文字识别套件等,能够快速响应不同行业、不同场景的AI落地需求。 工作流 工作流指在具体行业场景下固定开发流程所构建的开发流水线,无需深究AI知识,
部署服务后,调用API失败怎么办? 在ModelArts Pro使用预置工作流部署服务后,可通过调用API和SDK调用已部署的在线服务。如果调用API失败,可根据返回的错误码及错误信息解决问题,具体的错误码说明请见表1。 表1 API调用指导 行业套件 调用API方法 错误码 文字识别套件 OCR_API参考
二相边界多为不规则形状,目前采用多边形标注第二相,标签为“second_phase”。 数据集要求 文件名规范,不能有中文,不能有+、空格、制表符。 保证图片质量:不能有损坏的图片;目前支持的格式包括JPG、JPEG、PNG、BMP。 为了保证模型的预测准确度,训练样本跟真实使用场景尽量相似。
用描述”。 图3 基本信息 工作流配置 选择“所属行业”和“选择工作流”。当前视觉套件提供“零售商品识别工作流”、“热轧钢板表面缺陷检测工作流”、“云状识别工作流”、“刹车盘识别工作流”等。 图4 工作流配置 资源配置 图5 资源配置 分别选择“数据处理资源”、“模型训练资源”、
视觉套件 行业套件介绍 新建应用 零售商品识别工作流 热轧钢板表面缺陷检测工作流 云状识别工作流 刹车盘识别工作流 无监督车牌检测工作流 第二相面积含量测定工作流 通用图像分类工作流 更新应用版本 查看应用详情 监控应用 管理设备 删除应用
VPC服务介绍【视频】 OBS 2.0支持文字识别套件 文字识别套件基于丰富的文字识别算法和行业知识积累,帮助客户快速构建满足不同业务场景需求的文字识别服务,实现多种版式图像的文字信息结构化提取。传统方式开发文字识别应用需要7天,使用文字识别套件完成新版式票证结构化提取接口开发仅需3分钟。
单击“可训练技能”,切换至“可训练技能”页签。 选择技能单击操作列的“删除”,确认信息后单击“确定”,删除技能。 图1 删除可训练技能 删除后无法恢复,请谨慎操作。 父主题: HiLens套件
在使用安全帽检测技能模板开发技能之前,您需要提前准备用于模型训练的数据,上传至OBS服务中。 数据集要求 文件名规范,不能有中文,不能有+、空格、制表符。 保证图片质量:不能有损坏的图片;目前支持的格式包括jpg、jpeg、bmp、png。 为了保证模型的预测准确度,训练样本跟真实使用场景尽量相似。
以在上方单击选择“评估范围”,单击“添加对比版本”。 详细评估 “详细评估”下方显示各个标签下的样品数量比例,单击各标签,右侧可查看该标签识别错误的图片。 后续操作 针对当前版本的模型,经过模型评估后,如果根据业务需求,模型还需继续优化,请单击“上一步”,回到“模型训练”步骤,详细操作指导请见训练模型。
在线测试,帮助您有效评估模型,最终获得一个满意的模型。 评估模型 部署服务 模型准备完成后,您可以部署服务,用于识别图像的类别,也可以直接调用对应的API和SDK识别。 部署服务 父主题: 通用图像分类工作流
应用开发套件 文字识别套件 自然语言处理套件 视觉套件 HiLens套件
检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 模型训练完成后,单击“下一步”,进入应用开发的“模型评估”步骤,详细操作指引请参见评估模型。
检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 模型训练完成后,单击“下一步”,进入应用开发的“模型评估”步骤,详细操作指引请参见评估模型。
检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 模型训练完成后,单击“下一步”,进入应用开发的“模型评估”步骤,详细操作指引请参见评估模型。
检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 模型训练完成后,单击“下一步”,进入应用开发的“模型评估”步骤,详细操作指引请参见评估模型。
检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 模型训练完成后,单击“下一步”,进入应用开发的“模型评估”步骤,详细操作指引请参见评估模型。
检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 模型训练完成后,单击“下一步”,进入应用开发的“模型评估”步骤,详细操作指引请参见评估模型。
果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 如果分割效果不好,建议检测图片标注,标注质量的好坏直接影响模型训练图像分割效果的好坏。 根据数据量选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 更新版本后,您可
检查不同标签的样本数是否均衡,建议不同标签的样本数量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。 选择适当的学习率和训练轮次。 通过详细评估中的错误识别示例,有针对性地扩充训练数据。 后续操作 更新版本后,您可以在“应用详情”页的开发版本列表查看当前应用各个版